Similarities and differences in social and emotional profiles among students in Canada, USA, China, and Singapore: PISA 2015
Notice bibliographique
Résumé
Although previous research showed that discrete social-emotional skills such as empathy, motivation, and social relationships in school significantly predict achievement, students tend to use various social-emotional skills in combination. As such previous investigations cannot comment on how different combinations or profiles of students’ social-emotional skills predict achievement relative to discrete skills. Likewise, little is known about cross-national comparisons of social-emotional skill profiles (SESP), and the extent to which SESP differ on their academic achievement. The purposes of this study were three-folded: 1) to determine whether a four-factor social-emotional skills model could be used for cross-national comparisons; 2) to identify social-emotional profiles in 15-year-old students from four different countries – Canada, the United States, China, and Singapore; and 3) to evaluate how different profiles predict students’ reading, maths, and collaborative problem-solving (CPS) test scores. Our results showed multigroup measurement invariant in the structure, loadings, and thresholds of the four-factor social-emotional skills model. We identified three profiles labelled Sociable, Reserved and Withdrawn in Canada, Singapore, and the United States; whereas, we found three profiles labelled Solitary, Team-oriented, and Reserved in students in China. Finally, the way each profile associated with reading, maths and CPS in each country appeared to align with the cultural expectations of learning.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».