MétaCan
Menu
Retour à la cohorte
Enregistrement W2501992360 · doi:10.1080/00273171.2016.1200454

Using Marginal Structural Modeling for Grade Retention Effects

2016· article· en· W2501992360 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

fundUn bailleur canadien est enregistré sur le travail.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueMultivariate Behavioral Research · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensnon disponible
Organismes subventionnairesSimon Fraser UniversityFordham University
Mots-clésEquatingCovariateConfoundingPropensity score matchingStatisticsAnalysis of covarianceMarginal structural modelEconometricsMissing dataPsychologyComputer scienceMathematics

Résumé

récupéré en direct d'OpenAlex

Vandecandelaere, Vansteelandt, De Fraine, and Van Damme (this issue) described marginal structural modeling (MSM) and used it to estimate the effects of a time-varying intervention, retention (holding back) in school grades, on students' math achievement. This commentary supplements Vandecandelaere et al. (this issue) and discusses several topics in retention studies and MSM. First, we discuss the importance of equating time-varying confounders in retention studies. Second, we discuss same-grade and same-age comparisons in retention studies. Third, we discuss one important section in the authors' overview of MSM: why standard methods (e.g., ANCOVA, propensity score analysis) cannot properly adjust for time-varying confounders. Finally, using the grade retention analyses in Vandecandelaere et al. (this issue) as an example, we provide our insights on four aspects of MSM: (a) covariate selection, (b) estimation of weights,

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,796
Score d'incertitude au seuil0,609

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,812
Tête enseignante GPT0,630
Écart entre enseignants0,181 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle