Academic Culture: Its Meaning, Measure and Contribution to Student Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study had two objectives. One objective was to assess the psychometric properties of a survey instrument measuring a new latent variable, Academic Culture (AC), combining three observed variables academic press, disciplinary climate and teachers’ uses of instructional time. The second objective was to replicate the results of an earlier study identifying AC as a significant mediator of school leadership’s influence on student learning. Data for the study were provided from 2068 teachers located in 49 schools in 14 Texas school districts, as well as student achievement data from the State of Texas Assessments of Academic Readiness (STAAR) and student socioeconomic (SES) data available from school websites. Second order Confirmatory Factor Analysis (CFA) and Many-Facet Rasch (MFR) models were used to examine the survey instrument’s construct validity and its measurement invariance. Structural Equation Modeling was used to identify the extent to which AC mediated the effects of school leadership on student achievement controlling for student SES. Rasch analysis and CFA confirmed the measurement invariance and several forms of validity of the survey instrument. Replicating the results of an earlier study, results of structural equation modeling demonstrated significant effects of AC on student achievement and identified AC as a significant mediator of school leadership effects on student achievement. The study contributes to the quality of instruments available to school leaders for their school improvement work and to researchers inquiring about the most promising variables mediating the indirect effects of school leadership on student success.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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