An examination of educational inputs with the data envelopment analysis: The example of ICILS 2013
Notice bibliographique
Résumé
The aim of this study was to determine how efficiently different countries, comparatively, use educational inputs, which are considered to affect information and communication technology literacy. The study was designed using the survey model. The study was conducted with data belonging to 21 countries participating in the International Computer and Information Literacy Study (ICIL) 2013. The data of this study were grouped as educational inputs and educational outputs. The educational inputs were the ratio of school size and teachers, the ratio of school size and number of computers, the ratio of school size and number of computers available for students, the ratio of school size and number of computers with access to internet/World Wide Web, and the ratio of school size and number of smartboards. The educational outputs were determined by the average student grades obtained in ICILS 2013. The data were analysed with data envelopment analysis. The research results revealed that relatively, Australia, Canada (Newfoundland and Labrador, Ontario), Denmark, Korea, and Norway were the countries with total efficiencies. It was determined that with the exception of the Czech Republic, all the countries without total efficiencies had the characteristic of increasing returns to scale. According to the projections that were put forward for countries to become totally efficient, the most reduction recommendations were received for the inputs for ratio of school size and teachers by Argentina (Buenos Aires); for ratio of school size and number of computers, ratio of school size and number of computers available for students, and ratio of school size and number of computers with access to internet/World Wide Web by Turkey; and for ratio of school size and smartboards by Thailand. That is to say, these countries were the ones least able to use these inputs efficiently.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».