MétaCan
Menu
Retour à la cohorte
Enregistrement W4225093793 · doi:10.1177/14782103211069002

PISA, global reference societies, and policy borrowing: The promises and pitfalls of ‘academic resilience’

2022· article· en· W4225093793 sur OpenAlexafffund
Louis Volante, Don A. Klinger

Notice bibliographique

RevuePolicy Futures in Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Educational Policies and Reforms
Établissements canadiensBrock University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésDisadvantagedPsychological resilienceAcademic achievementResilience (materials science)International comparisonsReading (process)Political scienceSociologyEconomic growthDevelopment economicsMathematics educationPsychologyPedagogySocial psychologyEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

The Programme in International Student Assessment (PISA) has become the prominent method of international comparison of the achievement of 15-year-old children in reading, mathematics, and science. Recently, the OECD, which administers PISA, has devoted a great deal of energy promoting the notion of “academic resilience”—which refers to the capacity of individuals to prosper despite encountering adverse circumstances. Countries are compared and contrasted in relation to the relative share of disadvantaged students that are able to achieve at higher achievement levels on PISA, with associations drawn from school-level factors and resulting implications drawn for policy reform. This paper offers a number of cautions with the growing influence of cross-national comparisons of academic resilience. Our discussion underscores how the OECD’s notion of “academic resilience,” which has come to dominate transnational policy debates, is quite narrow and limited by the measures it uses to assess student competencies.

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)0,029
score de la tête « metaresearch » (Gemma)0,032
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,155

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,032
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,008
Études des sciences et des technologies0,0070,039
Communication savante0,0200,026
Science ouverte0,0020,025
Intégrité de la recherche0,0070,010
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,015
Tête enseignante GPT0,376
Écart entre enseignants0,361 · 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'étudeThéorique ou conceptuel
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

Citations14
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePolicy Futures in EducationMême sujetGlobal Educational Policies and ReformsTravaux en français237 207