MétaCan
Menu
Retour à la cohorte
Enregistrement W2898873112 · doi:10.1111/ecin.12730

TIME‐USE AND ACADEMIC PEER EFFECTS IN COLLEGE

2018· article· en· W2898873112 sur OpenAlexafffund
Nirav Mehta, Ralph Stinebrickner, Todd Stinebrickner

Notice bibliographique

RevueEconomic Inquiry · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensWestern University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaJacobs FoundationSpencer FoundationDivision of Social and Economic SciencesAndrew W. Mellon Foundation
Mots-clésMechanism (biology)Peer effectsPanel dataAffect (linguistics)Point (geometry)Relevance (law)Academic achievementPsychologyFocus (optics)Mathematics educationEconomicsSocial psychologyPolitical scienceEconometricsMathematicsEpistemologyLaw

Résumé

récupéré en direct d'OpenAlex

This paper examines academic peer effects in college. Unique new data from the Berea Panel Study allow us to focus on a mechanism wherein a student's peers affect her achievement by changing her study effort. Although the potential relevance of this mechanism has been recognized, data limitations have made it difficult to provide direct evidence about its importance. We find that a student's freshman grade point average is affected by the amount her peers studied in high school, suggesting the importance of this mechanism. Using time diary information, we confirm that college study time is actually being affected. (JEL I20, F21, J01)

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)0,001
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0050,000

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 Opus0,049
Tête enseignante GPT0,338
Écart entre enseignants0,289 · 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

Citations21
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEconomic InquiryMême sujetSchool Choice and PerformanceTravaux en français237 207