MétaCan
Menu
Retour à la cohorte
Enregistrement W7095653001

PUB TYPE Information Analyses (070) Reports

2016· article· en· W7095653001 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueQualitative Comparative Analysis Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWork (physics)Table (database)Work hoursAcademic yearPart-time employmentSchool dropoutWorking hoursData collection
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Research done during the last 10 years on part-time employment of secondary students was compared with results of a study of part-time employment in Toronto (Ontario, Canada). The literature has indicated that whether part-time work is beneficial or harmful depends on the amount of time students spend at work. In comparison with students with no jobs and students who work long hours, students who work limited hours (up to 15 per week) tended to demonstrate superior academic performance. They tended to spend more time on homework and extracurricular activities and to have lower dropout rates. More than 15 to 20 hours a week was associated with negative academic results. Part time employment among Toronto students was explored through the 1991 Every Secondary Student Survey, the Ontario Provincial assessment of student writing, and a local school survey on the after-school activities of 71 students. Data on Toronto students support the findings of other research. Working was more advantageous to students than not working, provided the hours were moderate (up to. 15 hours a week). Four appendixes present tables that summarize the impact of part-time work on students. (Contains 4 figures and 1 table in the text and 32 references.) (SLD) Reproductions supplied by EDRS are the best that can be made from the original document. ssues related to student part-time work: What did research find in the Toronto situation and other context?

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)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,898
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
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 savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,353
Tête enseignante GPT0,588
Écart entre enseignants0,234 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetQualitative Comparative Analysis ResearchTravaux en français237 207