MétaCan
Menu
Retour à la cohorte
Enregistrement W2911372263 · doi:10.1177/1521025119826287

Participation in Peer-Led Supplemental Instruction Groups, Academic Performance, and Time to Graduation

2019· article· en· W2911372263 sur OpenAlexaff
Monica V. Paabo, Amanda Brijmohan, Thomas Klubi, Tyler Evans-Tokaryk, Ruth A. Childs

Notice bibliographique

RevueJournal of College Student Retention Research Theory & Practice · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensInstitute for Christian StudiesUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGraduation (instrument)PsychologyMedical educationAcademic achievementMathematics educationMedicineEngineering

Résumé

récupéré en direct d'OpenAlex

This study investigates the relationship of students’ participation in peer-led Supplemental Instruction groups, called facilitated study groups (FSGs), with their academic performance and years to graduation. In 2017, the full academic records of about 2,400 students who started university between 2005 and 2007 and took Psychology 100 (PSY100) during their first year were analyzed. Students who attended two or more FSG sessions received about 5% higher marks in PSY100 than those who did not, after controlling for gender and tuition status (domestic or international). Students with higher PSY100 marks took less time to graduate and were more likely to have graduated by 2016. After controlling for gender, tuition status, and marks in PSY100, however, no relationship was found between FSG participation and degree completion time.

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 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)0,034
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,345
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0340,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,044
Tête enseignante GPT0,481
Écart entre enseignants0,438 · 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 tête enseignante, pas un consensus.

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of College Student Retention Research Theory & PracticeMême sujetHigher Education Research StudiesTravaux en français237 207