The Gender Paradox in School Mathematics
Notice bibliographique
Résumé
Current quantitative gender and mathematics research exists as separate ability and postsecondary access studies, each drawing different conclusions. But if gender, achievement and enrollment (measurable proxies) are modeled together it will be possible to investigate possible associations. Using 106,473 standardized Grades 3, 6 and 9 Ontario student test responses from a single cohort, likelihood of enrolling in Grade 9 academic mathematics was modeled against elementary achievement and gender in a binary response model. Males achieved higher, (0.028≤d≤0.118), and occupied both achievement extremes in greater numbers, (1.04≤VR≤1.10), while females were 1.5 times more likely to enroll in academic courses. These paradoxical results are discussed in relation to the utility of achievement and enrollment as research metrics in gender and mathematics research. La recherche quantitative actuelle sur la différence en mathématiques entre les filles et les garçons se déroule sur deux plans distincts, un portant sur les habiletés et l’autre sur l’accès aux études secondaires, et les deux arrivent à des conclusions différentes. En modélisant ensemble le sexe, le rendement et les inscriptions (passerelles mesurables), il est possible d’étudier des associations possibles. Puisant dans 106 473 réponses aux examens normalisés d’une seule cohorte d’élèves en 3e, 6e et 9e années en Ontario, nous avons modelé, dans un modèle de réponse binaire, la probabilité de s’inscrire à des cours de mathématiques théoriques en 9e année en relation avec le sexe et le rendement à l’école élémentaire. Le rendement des garçons était supérieur (0.028≤d≤0.118) et leurs réponses se situaient aux deux pôles de rendement plus souvent (1.04≤VR≤1.10), alors que les filles s’inscrivaient aux cours académiques 1,5 fois plus souvent que les garçons. Nous discutons de ces résultats paradoxaux par rapport à l’utilité du rendement et de l’inscription comme mesures dans la recherche portant sur la différence en mathématiques entre les filles et les garçons.
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 | 0,006 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».