Predictive Models for Grade 9 Mathematics Stream: Controlling for Past EQAO Performance
Notice bibliographique
Résumé
In 2021, Ontario replaced Academic/Applied streaming with a unified grade 9 mathematics curriculum. This decision was presented as an effort to reduce inequity in the school system. However, the existing literature fails to control for prior performance under a standardized measure. We utilize confidential student-level data from the province’s EQAO grade 3, 6, and 9 assessments to evaluate predictive factors associated with the applied mathematics stream. Data is filtered to consider students from 2006-2019 who: participated in both the grade 3 and grade 6 EQAO assessments, appear in the grade 9 data, and did not skip or repeat grades. We employ a linear probability model with fixed effects and clustered standard errors to predict whether a student takes applied grade 9 math based on EQAO data for grades 3 and 6, including: performance on EQAO assessments; Individual Education Plan (IEP) status; French Immersion (FI) status; whether the student identifies as male; first language; English Second Language (ESL) program status; and whether the student was born outside of Canada. Findings indicate that, holding other variables constant, having an IEP is associated with a statistically significant increase in the probability that a student is enrolled in the applied mathematics course when they first participate in the grade 9 EQAO assessment. We also find positive (and highly statistically significant) estimated coefficients when breaking up IEP status by indicators for specific underlying IPRC exceptionalities, and IEP with no exceptionality. Furthermore, results are robust under logistic regression. Our findings potentially provide empirical support for the province’s decision to end grade 9 mathematics streaming. Even after controlling for past performance, our findings suggest that student characteristics in prior grades – especially IEP and IPRC exceptionality status – considerably influence predicted stream, potentially limiting student’s future career paths and opportunities for higher education.
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 | 0,008 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 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 ».