MétaCan
Menu
Retour à la cohorte
Enregistrement W2892183621 · doi:10.3386/w13182

A Professor Like Me: The Influence of Instructor Gender on College Achievement

2007· preprint· en· W2892183621 sur OpenAlexafffund
Florian Hoffman, Philip Oreopoulos

Notice bibliographique

RevueNational Bureau of Economic Research · 2007
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueInnovations in Educational Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesUniversity of California, DavisUniversity of Toronto
Mots-clésMathematics educationWonderPsychologyContrast (vision)Ethnic groupSocial psychologySociologyComputer science

Résumé

récupéré en direct d'OpenAlex

Many wonder whether teacher gender plays an important role in higher education by influencing student achievement and subject interest.The data used in this paper helps identify average effects from male and female college students assigned to male or female teachers.In contrast to previous work at the primary and secondary school level, our focus on large first-year undergraduate classes isolates gender interaction effects due to students reacting to instructors rather than instructors reacting to students.In addition, by focusing on college, we examine the extent to which gender interactions may exist at later ages.We find that assignment to a same-sex instructor boosts relative grade performance and the likelihood of completing a course, but the magnitudes of these effects are small.A same-sex instructor increases average grade performance by at most 5 percent of its standard deviation and decreases the likelihood of dropping a course by 1.2 percentage points.The effects are similar when conditioning on initial ability (high school achievement), and ethnic background (mother tongue not English), but smaller when conditioning on mathematics and science courses.The effects of same-sex instructors on upper-year course selection are insignificant.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,448
Tête enseignante GPT0,609
Écart entre enseignants0,160 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetInnovations in Educational MethodsTravaux en français237 207