MétaCan
Menu
Retour à la cohorte
Enregistrement W2913698796

What Learning Skills Have Canadian Students Mastered? A Cognitive Assessment of PISA data

2018· article· en· W2913698796 sur OpenAlexaffabout
Johnson Li, Mark J. Gierl, Maria Krylova

Notice bibliographique

Revue2018 Conference of the Canadian Society for the Study of Education · 2018
Typearticle
Langueen
DomaineComputer Science
ThématiqueIntelligent Tutoring Systems and Adaptive Learning
Établissements canadiensUniversity of AlbertaUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPsychologySet (abstract data type)PopulationCognitionEducational assessmentMathematics educationApplied psychologyComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Cognitive diagnostic modeling (CDM) is a fast-growing and auspicious area of psychometric research. Using CDM as a comprehensive strategic framework, this study aims to achieve two goals. First, to generate a set of standardized analytic methods for conducting large-scale CDM on an open-source educational dataset, such as the Programme for International Student Assessment (PISA), with the focus on Canadian student population. Second, to develop a general code using MPlus and RStudio as two main statistical packages, which will be applicable for other CDM-based studies. The immediate application of this project includes formulation of distinct diagnostic profiles of skill mastery (or attribute patterns) reflective of Canadian students

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,216
Score d'incertitude au seuil0,688

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0020,000
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 Opus0,079
Tête enseignante GPT0,360
Écart entre enseignants0,281 · 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.

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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revue2018 Conference of the Canadian Society for the Study of EducationMême sujetIntelligent Tutoring Systems and Adaptive LearningTravaux en français237 207