MétaCan
Menu
Retour à la cohorte
Enregistrement W4306950496 · doi:10.37074/jalt.2022.5.s2.8

Determinants of Mathematical Educational Achievement in Cameroon

2022· article· en· W4306950496 sur OpenAlexaff
Moyosola ‘Kemi Medu, Dane Rowlands

Notice bibliographique

RevueJournal of Applied Learning & Teaching · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésStudent achievementMathematics educationFrenchSample (material)PsychologyAcademic achievementGeographyChemistry

Résumé

récupéré en direct d'OpenAlex

This article presents a quantitative analysis of the determinants of student scores on a standardized mathematics assessment in Cameroon, a sub-Saharan African country with Francophone and Anglophone school systems. Using the mathematics component of the 2014 Programme d’Analyse des Systèmes Educatifs de la CONFEMEN survey, we examined the importance of community, school and classroom resourcing, teacher attributes, student characteristics, and family circumstances. Our results generally suggest that both school and family factors play a role in determining student achievement in mathematics. We found that student mathematics scores are highest for males, younger students, non-grade repeaters, urban students, when teachers are better resourced, and when students come from well-off family situations with parents who are able to read. Analyses of sub-samples and an expanded sample (with interaction effects) generally corroborate these results but also reveal further differences, including between the Francophone and Anglophone school systems. Finally, the results indicate that the kindergarten program is not systematically associated with better mathematics test scores, suggesting that this policy may need further study and modification.

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)0,002
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 enseignants0,036
Score d'incertitude au seuil0,071

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,019
Tête enseignante GPT0,332
Écart entre enseignants0,312 · 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 revueJournal of Applied Learning & TeachingMême sujetSchool Choice and PerformanceTravaux en français237 207