A cross-cultural comparison of the effect of human and physical resources on students’ scientific literacy skills in the Programme for International Student Assessment (PISA) 2006
Notice bibliographique
Résumé
This study investigates the students’ characteristics and school characteristics and their influences on scientific literacy skills of 15-year-old students across Turkey, Canada, and Sweden, through the use of data from Organisation for Economic Co-operation and Development’s (OECD’s) Programme for International Student Assessment (PISA) 2006. The purpose of this study is to gain a more complete understanding of the effect of human and physical resource allocations and their interaction on students’ scientific literacy skills using Hierarchical Linear Modeling (HLM) techniques. By PISA 2006 results, in terms of scientific literacy, Canada is a high performing country whereas Turkey is far below the average and Sweden has a rank in the average. For modeling scientific literacy, student-level characteristics determined by student questionnaire, and school-level characteristics determined by school questionnaire were used. Results of the present study indicated that there were significant between-school differences in scientific literacy skills of students for all three countries. Turkey had the highest between-school variance and it was more than half of the total variance whereas in Canada and Sweden they were far lower. School type and size were common school factors affecting students’ scientific literacy skills in Canada and Sweden; however, in Turkey school admittance policies, educational resources, science promotional activities, and teacher qualities were school characteristics which have impact on scientific literacy. Enjoyment of learning science, self-efficacy in science, general value given to science, awareness of environmental issues, responsibility for sustainable development, and confidence in use of information technologies were common student factors affecting development of scientific literacy skills in the three countries. Finally, in all three countries cross-level interactions of student and school characteristics for developing scientific literacy skills were observed.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».