MétaCan
Menu
Retour à la cohorte
Enregistrement W4389037286 · doi:10.55016/ojs/ajer.v69i3.75299

The Growth of Computer Science Education in Alberta: An Analysis of High School Course Completion Trends

2023· article· en· W4389037286 sur OpenAlexaffvenueabout
Quinn McCashin, Catherine Adams, Michael Carbonaro, Lance Pedersen

Notice bibliographique

RevueAlberta Journal of Educational Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGender and Technology in Education
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésGeneral partnershipCurriculumLibrary scienceMathematics educationPolitical sciencePsychologyPedagogyComputer science

Résumé

récupéré en direct d'OpenAlex

Computer Science (CS) education is an emergent growth area in schools worldwide. This paper explores how CS education has evolved at the high school level (grades 10–12) in the Canadian province of Alberta over the past decade after a reorganization and curriculum redesign of its Computing Science Education (CSE) program. In partnership with Alberta Education, a complete list of course records was obtained for high school students who had taken CSE course credits between 2009 and 2019. These course completions were analyzed for overall growth trends and then further examined with respect to course level, urbanicity, and gender. We found that growth in course credit completion has been consistent over the 10-year study period (annual average growth rate of 33.5%). Advanced course credits have grown faster than introductory course credits, urban areas have grown faster than rural areas, and gender growth rates have been similar for males and females. Understanding the growth rates of CSE course enrollments at the high school level will contribute to identifying some of the challenges encountered during the implementation of the CSE program of studies in Alberta. Keywords: High School Computer Science Education; Gender Participation. L'enseignement de l'informatique est un domaine de croissance émergent dans les écoles du monde entier. Cet article explore l'évolution de l'enseignement de l'informatique au niveau secondaire (10e à 12e année) dans la province canadienne de l'Alberta au cours de la dernière décennie, après une réorganisation et une refonte du programme d'études de l'informatique. En partenariat avec le ministère de l'éducation de l'Alberta, on a obtenu une liste complète des dossiers de cours pour les élèves du secondaire qui ont reçu des crédits pour des cours d’informatique entre 2009 et 2019. Ces cours ont été analysés pour déterminer les tendances générales de croissance, puis examinés plus en détail en fonction du niveau de cours, de l'urbanité et du sexe. Nous avons constaté que la croissance de l'obtention de crédits de cours a été constante au cours de la période d'étude de 10 ans (taux de croissance annuel moyen de 33,5 %). Les crédits de cours avancés ont augmenté plus rapidement que les crédits de cours d'introduction, les zones urbaines ont augmenté plus rapidement que les zones rurales, et les taux de croissance ont été similaires pour les hommes et les femmes. La compréhension des taux de croissance des inscriptions aux cours d'informatique au niveau secondaire contribuera à identifier certains des défis rencontrés lors de la mise en œuvre du programme d'études en informatique en Alberta. Mots clés : Enseignement de l'informatique au niveau secondaire ; participation des hommes et des femmes.

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)0,005
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,370
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,009
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,062
Tête enseignante GPT0,456
Écart entre enseignants0,395 · 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'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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetGender and Technology in EducationTravaux en français237 207