MétaCan
Menu
Retour à la cohorte
Enregistrement W411389291 · doi:10.15663/wje.v12i1.302

Enhancing the Mathematics Achievement of Pasifika Students: Performance and Progress on the Numeracy Development Project

2016· article· en· W411389291 sur OpenAlexaboutno aff
Jenny Young–Loveridge

Notice bibliographique

RevueWaikato journal of education · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Systems and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDecileNumeracyQuarter (Canadian coin)Mathematics educationTest (biology)PsychologyScale (ratio)Standard deviationPedagogyMathematicsStatisticsGeographyLiteracy

Résumé

récupéré en direct d'OpenAlex

This paper reports on the analysis of data from approximately 30,000 Pasifika students whose teachers participated in the Numeracy Development Project (NDP) between 2002 and 2005. Most students' performance improved from the beginning of the year to the end, and performance and progress seemed to improve from 2002 to 2005. As a result, the gap between European and Pasifika students appeared to reduce fairly steadily over time. These improvements coincided with changes in the composition of the cohort over time, most notably a reduction in the percentage of students from low-decile schools and an increase in the percentage of students from medium- and high-decile schools. Hence, it is difficult to conclude with any confidence that it is the NDP that is primarily responsible for the improvements. Although the gaps in achievement between European and Pasifika students were not completely eliminated, when these differences were put beside those found in other large-scale studies, it was evident that NDP differences were much smaller (a quarter of a standard deviation compared to a whole standard deviation). The use of an individual, orally presented assessment tool with an emphasis on explaining the strategies used to get answers, rather than a written test on which the number of correct answers is simply totalled, may help to explain the positive outcomes for NDP students.

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)0,002
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,329
Score d'incertitude au seuil0,243

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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)0,0000,000

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 Opus0,043
Tête enseignante GPT0,387
Écart entre enseignants0,344 · 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'étudeQualitatif
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWaikato journal of educationMême sujetEducation Systems and PolicyTravaux en français237 207