MétaCan
Menu
Retour à la cohorte
Enregistrement W4392159506 · doi:10.35188/unu-wider/2024/465-6

Smart classrooms and education outcomes: Evidence from Rwanda

2024· report· en· W4392159506 sur OpenAlexaff
Aimable Nsabimana, Muthoni Nganga, Christine Niyizamwiyitira

Notice bibliographique

RevueWorking Paper Series · 2024
Typereport
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesUnited Nations University World Institute for Development Economics ResearchMinisterio de Educación, Gobierno de Chile
Mots-clésMathematics educationPsychology

Résumé

récupéré en direct d'OpenAlex

In this study, we explore the impact of a smart classroom (SCM) programme on student performance in science subjects in a high-stakes national exam for middle-high school students in Rwanda. To do this, we leverage plausibly exogenous variations in programme exposure induced by the staggered implementation of the programme across schools and students. Overall, the study finds a positive effect of the programme on student performance. Specifically, the results show that the SCM programme has positive and significant effects on student performance in physics, biology, and geography, albeit small in magnitude. The study, however, did not reveal any effects on mathematics and chemistry. We find larger effects in government-aided schools, for girls, and for younger students. Our results also indicate that while classroom technology can enhance learning, such effects may only be realized after a long exposure period.

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)0,001
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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,948
Score d'incertitude au seuil0,995

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0010,000
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 Opus0,054
Tête enseignante GPT0,362
Écart entre enseignants0,308 · 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
GenreAutre

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

En bref

Citations2
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorking Paper SeriesMême sujetOnline and Blended LearningTravaux en français237 207