MétaCan
Menu
Retour à la cohorte
Enregistrement W4404025113 · doi:10.22215/cujs.v3i1.4881

Comparison of Measures of Mathematical Achievement: EMA@School and Star Math Assessment

2024· article· en· W4404025113 sur OpenAlexaffabout
Alastair Amsden, Heather Douglas, Jo‐Anne LeFevre, Carolyn Mussio

Notice bibliographique

RevueCarleton undergraduate journal of science. · 2024
Typearticle
Langueen
DomaineMathematics
ThématiqueCognitive and developmental aspects of mathematical skills
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésMathematics educationStar (game theory)MathematicsMathematical analysis

Résumé

récupéré en direct d'OpenAlex

There is a need for valid and reliable screeners to assess students’ early math skills and help educators identify students who are at-risk for math difficulties. The Early Math Assessment @School (EMA@School) has been used to test the foundational number skills (i.e., numbers, relations, and operations) of over 200,000 Canadian students. In this study, we compared the structure, content, and student performance on the EMA@School to STAR Math, a curriculum-based math screener. Students (N = 230) in Grade 3 completed the EMA@School once (Fall 2023) and Star Math twice (Fall 2023, Winter 2024). EMA@School scores were strongly correlated with StarMath scores. Moreover, skills in the three foundational subdomains of number, relations, and operations, all uniquely predicted performance on StarMath. Finally, most students classified “at-risk” based on the EMA norms were also “at-risk” based on StarMath norms. Together, these findings provide convergent and criterion validity for the EMA.

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)0,003
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,045
Score d'incertitude au seuil0,573

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,063
Tête enseignante GPT0,376
Écart entre enseignants0,313 · 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'étudeThéorique ou conceptuel
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'admission2
Résumé présentoui

Explorer davantage

Même revueCarleton undergraduate journal of science.Même sujetCognitive and developmental aspects of mathematical skillsTravaux en français237 207