MétaCan
Menu
Retour à la cohorte
Enregistrement W4210667022 · doi:10.4236/jss.2022.101028

Effects of School Proximity on Students’ Performance in Mathematics

2022· article· en· W4210667022 sur OpenAlexaboutno aff
Emerson D. Peteros, Shiela C. Ypil, John V. De Vera, Gerly A. Alcantara, Margie Fulgencio, Dennis Plando, Larry B. Peconcillo

Notice bibliographique

RevueOpen Journal of Social Sciences · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueUrban Transport and Accessibility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationSimple random sampleGovernment (linguistics)Quarter (Canadian coin)Descriptive statisticsPsychologyMathematicsGeographySociologyStatisticsPopulation

Résumé

récupéré en direct d'OpenAlex

This research investigated the school proximity and the Grade 7 students’ academic performance in Math of a mountain barrio public national high school in Pinamungajan, Cebu, Philippines. There were 171 respondents who were identified using simple random sampling. They answered a survey questionnaire describing their proximity to the school while their Fourth Quarter Grades were used to assess their academic performance in Math. Data gathered were treated using descriptive and inferential statistics. Results revealed that most of the students are very far from school which they have to walk to reach school. Most of their houses are not accessible to the road. They had a very satisfactory performance in Math. Moreover, there was a significant relationship between the students’ distance to school and their academic performance in Math. However, no significant relationships between the student’s mode of transportation, house accessibility to the road, and their academic performance in Math were found. Thus, it is recommended that school administrators and teachers design programs that would address students’ challenges in attending school relative to their house to school distance while the government provides infrastructures that would address concerns on long-distance travel of the 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 machine sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,011
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,047
Tête enseignante GPT0,379
Écart entre enseignants0,332 · 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 source (Gemma direct ou Codex distillé), 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

Citations16
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Social SciencesMême sujetUrban Transport and AccessibilityTravaux en français237 207