MétaCan
Menu
Retour à la cohorte
Enregistrement W3001975966 · doi:10.24908/pceea.vi0.13770

WHAT RESEARCH AND EVALUATION METHODS HAVE BEEN USED TO STUDY COGNITIVE AND NON-COGNITIVE FACTORS IN STUDENT TRANSITION BETWEEN HIGH SCHOOL AND FIRST YEAR POST-SECONDARY EDUCATION?

2019· article· en· W3001975966 sur OpenAlex
Sheng Lun Cao, Elena Rangelova, R. Paul

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
venuePublié dans une revue dont le pays d'attache est le Canada.

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTeacher Professional Development and Motivation
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésCognitionPsychologyAffect (linguistics)Statistical analysisMathematics educationStatisticsMathematics

Résumé

récupéré en direct d'OpenAlex

Students undergoing post-secondary transition are impacted by cognitive and non-cognitive factors. This paper will review available literature on the factors, which affect students during the post-secondary transition and perform a comparative analysis to compare and summarize what research and evaluation methods are used in these studies. The research methodologies described in each study are scrutinized, and details in the methodology used are tabulated and compared. Non-cognitive studies generally prefer medium-sized (N=100 to 500) samples, assessed with numerically-scored pre-established questionnaires, whereas cognitive studies do not show a specific sample size or assessment preferences. However, cognitive studies are shown to employ a wide range of data analysis techniques, whereas non-cognitive studies heavily prefer statistical analysis only. A proposed framework is extracted to describe the preferred research methodologies for investigations into cognitive and non-cognitive factors.

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,062
Score d'incertitude au seuil0,987

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,046
Tête enseignante GPT0,399
Écart entre enseignants0,353 · 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