STEM ATTRITION AMONG HIGH-PERFORMING COLLEGE STUDENTS IN THE UNITED STATES: SCOPE AND POTENTIAL CAUSES
Notice bibliographique
Résumé
Postsecondary education plays a critical role in building a strong workforce in science, technology, engineering, and mathematics (STEM) fields. The U.S. postsecondary education system, however, frequently loses many potential STEM graduates through attrition. An increasing portion of STEM leavers are top performers who might have made valuable additions to the STEM workforce had they stayed in STEM fields. Using data from the 2004/09 Beginning Postsecondary Students Longitudinal Study (BPS:04/09), this study tracks a cohort of beginning bachelor’s degree students over 6 years, providing a close look at STEM attrition among a group of high-performing college students. Capitalizing on the transcript data collected through BPS:04/09, this study also examines STEM coursetaking, detailing how participation and performance in undergraduate STEM coursework are associated with students’ departure from STEM fields. The study finds that about a quarter of high-performing beginning bachelor’s degree students entered STEM fields (i.e., declared a STEM major) during their enrollment between 2003 and 2009, and a third of these entrants had left STEM fields by spring 2009. The results of multinomial probit regression analysis indicate that students’ intensity of STEM coursework in the first year and their performance in STEM courses may have played an important role in their decisions to switch majors out of STEM fields
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».