Does Transfer Pathway Uptake Help or Hinder Access to <scp>STEM</scp> Fields in Postsecondary Education? A View From Canada
Notice bibliographique
Résumé
ABSTRACT Considerable scholarly attention has been devoted to how gender, race and various other demographic factors shape the odds of majoring in science, technology, engineering and mathematics (STEM) programs. Such work has identified sizable disparities in access to STEM fields across various dimensions. In turn, these empirical findings have informed productive discussions about the social and institutional mechanisms that prevent marginalised groups from entering STEM, along with the potential strategies that could be used at multiple levels (e.g., government and institutional) to address them. Despite the increasing size of this literature, little energy has been devoted to examining the extent to which uptake of transfer pathways is associated with the odds of eventually majoring in a STEM field. Does transfer divert students away from STEM fields? Does it primarily function as an ‘on‐ramp’ for students from other disciplines to enter STEM? We find that students who travel transfer pathways into the university sector are less likely to major in STEM, but those that travel transfer pathways into the community college sector are more likely to major in STEM. We identify some of the mechanisms that could be contributing to these trends and highlight some prospective strategies for addressing the potential structural barriers faced by students wishing to enter STEM.
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,018 | 0,007 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».