Academic Culture: Its Meaning, Measure and Contribution to Student Learning
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».