Studying school communities as multiplex dynamic networks: The “RECENS Wired into Each Other” Dataset, 2010–2013
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
Abstract This article provides an overview of the “Research Center for Educational and Network Studies (RECENS) Wired into each other” longitudinal social network study conducted in 44 secondary-school classrooms in Hungary between 2010 and 2013. Participants were asked to fill out paper-based surveys four times over a 3-year period ( n = 1,767 students). These surveys explored peer relations and perceptions within each classroom in over 30 distinct network dimensions, including shared social activities, ties of affection, bullying and victimization, perceptions about peers’ traits (including their ethnicity), behaviors, social roles, and status. Alongside the network data, we collected information about students’ individual background (e.g., sex, ethnicity, socioeconomic status) and behaviors (e.g., smoking, studying habits). We further interviewed the main teacher of each classroom to gather data about teaching arrangements and teacher perceptions of students. The current article aims to provide context for the dataset and documentation available online (Vörös et al., 2022). The dataset has been used in several published research articles, and PhD and MA theses in recent years. However, we believe that its publication is still highly relevant, as various measures in the rich dataset remain unexplored to date. After describing the study and available data, we review the main topics the study team and our colleagues have explored in recent years. We then outline a few promising directions for further inquiry into the data, which could all leverage the unique multiplex information gathered in the surveyed communities.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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