MétaCan
Menu
Retour à la cohorte
Enregistrement W4297473702 · doi:10.5539/ies.v15n5p164

Development of Student Citizenship Indicators in Northeast of Thailand

2022· article· en· W4297473702 sur OpenAlexvenueno aff
Reungvalee Supon, Wichit Khammantakhun, Kriangsak Srisombut

Notice bibliographique

RevueInternational Education Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Education and Multiculturalism
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLISRELConfirmatory factor analysisCitizenshipStructural equation modelingGoodness of fitPsychologyCommissionData collectionPopulationStatistical populationEmpirical researchStatistical modelStatisticsPolitical scienceSociologyMathematicsDemography

Résumé

récupéré en direct d'OpenAlex

The objectives of this research were to develop student citizenship indicators and to validate the consistency between models of student t citizenship indicators and the empirical data. 470 samples were drawn from the population of teachers of schools under the Office of the Basic Education Commission in Yasothon Province in the Northeast of Thailand. The research instrument for data collection was a constructed questionnaire. Basic statistical data was analyzed through a statistical package whereas first and second-order confirmatory factor analyses were done through LISREL 8.53. The results were as follows. 1. Student citizenship with key indicators from the confirmatory factor analyses was totally consisted of 6 models, 20 factors, and 54 indicators. The 6 models are 1) Model of responsibility with 4 factors and 12 indicators, 2) Model of equality with 3 factors and 7 indicators, 3) Model of respect for the rights of others with 3 factors and 8 indicators, 4) Model of public mind with 4 factors and 11 indicators, 5) Model of knowing one’s roles and responsibilities with 3 factors and 8 indicators, and 6) Model of rights and freedom with 3 factors and 8 indicators. 2. These 6 models of the student citizenship indicators were consistent with the empirical data.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,009
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,002
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 Opus0,080
Tête enseignante GPT0,436
Écart entre enseignants0,357 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetGlobal Education and MulticulturalismTravaux en français237 207