MétaCan
Menu
Retour à la cohorte
Enregistrement W3017307535 · doi:10.1177/0020715220913043

Secondary school subjects and gendered STEM enrollment in higher education in Germany, Ireland, and Scotland

2020· article· en· W3017307535 sur OpenAlexvenueno aff
Marita Jacob, Cristina Iannelli, Adriana Duta, Emer Smyth

Notice bibliographique

RevueInternational Journal of Comparative Sociology · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueEducation, Achievement, and Giftedness
Établissements canadiensnon disponible
Organismes subventionnairesEconomic and Social Research Council
Mots-clésGender gapMediationSubject (documents)Secondary educationPolitical scienceDemographic economicsDemographyMedicinePsychologySociologyMathematics educationSocial scienceLibrary science

Résumé

récupéré en direct d'OpenAlex

This article examines the extent to which science, technology, engineering, and mathematics (STEM) subject choice in upper secondary education explains gender differences in STEM enrollment in higher education. We adopt a cross-country approach using Germany, Ireland, and Scotland as three case studies. These countries differ in terms of both the degree of subject choice offered in upper secondary education and the relevance for higher education admission of having studied specific school subjects. Using datasets of young people from all three countries, our results indicate a stronger mediation of school subjects for Scotland than in Germany and Ireland and a remarkable gender gap in STEM enrollment in all three countries. We conclude that females studying science subjects within upper secondary education appears to be a necessary but not a sufficient condition to ensure gender equality in progression to STEM fields.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,078
Tête enseignante GPT0,393
Écart entre enseignants0,315 · 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'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

Citations59
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Comparative SociologyMême sujetEducation, Achievement, and GiftednessTravaux en français237 207