MétaCan
Menu
Retour à la cohorte
Enregistrement W2947877649 · doi:10.5539/ies.v12n6p39

The Impact of Relative Age Effect on Mathematics Achievement

2019· article· en· W2947877649 sur OpenAlexvenueno aff
Ali Ünal

Notice bibliographique

RevueInternational Education Studies · 2019
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationLaggingClass sizeAcademic achievementMathematicsPsychologyStatistics

Résumé

récupéré en direct d'OpenAlex

The timing of children’s start to school is the interest of researchers, policy-makers and especially parents. Researches on this issue have recently pointed to the concept of relative age effect (RAE). The purpose of this study is to determine the impact of RAE on mathematics achievement in Turkey. In order to accomplish this purpose, the question was sought: Does RAE have an impact on TIMSS 2015 the fourth and eighth grades mathematics scores of Turkey? The research was conducted in survey model. In the present study, the data obtained from the TIMSS 2015 results of Turkey was used. Totally 6456 students were sampled for TIMSS 2015 the fourth grade in 242 schools. Also, totally 6079 students (2943 girls and 3136 boys) were sampled for TIMSS 2015 the eighth grade in 218 schools. Hierarchical multiple regression analysis was used to analyze the data. In conclusion, it has been reached that RAE has an impact on TIMSS 2015 the fourth and eighth grades mathematics scores of Turkey and the youngest children born just before the cut-off date has the worst performance. The recommendations based on the results have been submitted as making the enrollment dates more flexible, especially for children in rural areas, not applying honors classes in schools, raising awareness about RAE in pre-service and in-service training programs for teachers, no pressure on children at home and at school for their lagging in competition.

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)0,010
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 enseignants0,009
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,050
Tête enseignante GPT0,426
Écart entre enseignants0,377 · 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

Citations5
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207