MétaCan
Menu
Retour à la cohorte
Enregistrement W4241051692 · doi:10.31234/osf.io/d254c

Statistical Software Use in Canadian University Courses: Current Trends and Future Directions

2019· preprint· en· W4241051692 sur OpenAlexaffabout
Robert A. Cribbie, Heather Davidson, Yasaman Jabbari, Heather Patton, Kevin S. Peters, Fergal O’Hagan

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMathematics
ThématiqueStatistics Education and Methodologies
Établissements canadiensTrent UniversityYork University
Organismes subventionnairesnon disponible
Mots-clésStatistical softwareSoftwareComputer scienceStatistical analysisSoftware analyticsData scienceSoftware peer reviewSoftware packagePoint (geometry)Computational statisticsSoftware engineeringStatisticsMathematics educationSoftware constructionSoftware developmentPsychologyMathematicsMachine learningProgramming language

Résumé

récupéré en direct d'OpenAlex

Two controversial topics related to the teaching of statistics to psychology students are (a) when to introduce statistical software and (b) which statistical software package to use. The current research looked at the use of statistical software in statistics classes from every university with a psychology program in Canada. Researchers collected data from 321 statistics courses offered to psychology students at 65 Canadian universities and coded the type of statistical software used (if any) in each course. Results show that slightly more than half of all universities introduce software at the introductory level. Point-and-click software is most popular, particularly SPSS. There is a considerable amount of variability in when and which software is introduced to students. Departments can use these data to inform their own practices.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,512
Score d'incertitude au seuil0,901

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 recherche0,0000,001
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 Opus0,159
Tête enseignante GPT0,409
Écart entre enseignants0,251 · 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'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetStatistics Education and MethodologiesTravaux en français237 207