MétaCan
Menu
Retour à la cohorte
Enregistrement W4412870753 · doi:10.24908/pceea.2025.19575

Multi-year analysis of academic buoyancy data for first-year engineering students at the University of Saskatchewan

2025· article· en· W4412870753 sur OpenAlexaffvenueabout
Juan Abelló, Sean Maw

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensUniversity of SaskatchewanUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésBuoyancyMathematics educationLibrary sciencePsychologyComputer sciencePhysicsThermodynamics

Résumé

récupéré en direct d'OpenAlex

Academic buoyancy is the ability of a student to handle everyday school stress and setbacks. Over 700 first-year engineering students from five semesters and three cohorts at the University of Saskatchewan completed survey questions designed to measure academic buoyancy. Statistical analyses show that female students score lower than male students across all four academic buoyancy markers in the first semester (Fall) but not the second (Spring). Students from a rural background score lower than students from an urban background in one buoyancy marker (ability to handling study stress) in the second semester (Spring) but not the first (Fall). Two buoyancy markers were different across some cohorts. There were otherwise no differences between genders, regions, age, nor urban vs rural background (domestic students only). Our findings provide insight on student wellbeing as it relates to academic buoyancy markers, particularly in regards to female students in first-year engineering.

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)0,001
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,258
Écart entre enseignants0,242 · 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'étudeObservationnel
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
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetCareer Development and DiversityTravaux en français237 207