MétaCan
Menu
Retour à la cohorte
Enregistrement W4391562263 · doi:10.18260/1-2--40942

Gender Diversity in Undergraduate Engineering: Understanding the Major Selection Process

2024· article· en· W4391562263 sur OpenAlexaboutno aff
Lori Houghtalen, Timothy Kennedy, Jody Jones, M. Suzanne Clinton, Kimberly L. Merritt

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDiversity (politics)Process (computing)Selection (genetic algorithm)Computer scienceGender diversityEngineering ethicsData scienceEngineeringArtificial intelligencePolitical scienceBusinessProgramming language

Résumé

récupéré en direct d'OpenAlex

Abstract Literature shows two factors that affect students' selection of college major: academic aptitude and personal expectations. Some studies have found a difference in these variables based on gender. Malgwi, Howe, and Burnaby (2005) found that male students choose majors based on potential career options, while female students choose majors based on academic ability. Our study seeks to confirm whether this result is observed when examining engineering students' major selection, major selection influences, and the timing of a student's decision. To design the research survey, four previous studies and associated surveys were consulted: Kuechler & Simkin (2009); Arcidiacono & Kang (2012); Culpepper (2006); and Malgwi, Howe & Burnaby (2005). Our study targets undergraduate students to determine (1) When they began to gain an interest in their selected major, and (2) Who or what was influential in that process. The 52-question instrument was approved by consortial IRB from the authors' institutions, and the study was conducted at 3 separate institutions, each with at least one ABET accredited program. Preliminary data based on nearly 100 responses collected so far from students currently majoring in engineering suggests that: (1) female engineering students early in their undergraduate studies are already more likely to consider graduate degrees than their male counterparts, (2) female students tend to be more academically prepared than their male counterparts, and (3) though female students became interested in STEM majors throughout their educational careers, they did not choose engineering specifically until later than their male classmates. Due to the nature of the questions in the instrument, most responses analyzed in this study were collected as categorical or ordinal data; results are therefore presented primarily through visual representations using frequency distributions.

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)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,078
Tête enseignante GPT0,281
Écart entre enseignants0,203 · 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'étudeSans objet
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCareer Development and DiversityTravaux en français237 207