Predictors and Consequences of Grade Retention Examining Data From Manitoba, Canada
Notice bibliographique
Résumé
Abstract: Data from a population-based repository in Manitoba showed that students who are male, young for grade, and in Grades 1, 2, 7, and 8 were the most likely to be retained. After controlling for key student factors including socioeconomic status, school changes, and key school characteristics including stability of the student body, retention was a strong predictor of high school withdrawal rates. The odds of student withdrawal were 3 times higher for students who have been retained once and almost 8 times higher for students who had been retained more than once. Not only do with-drawal rates suggest that retention is potentially harmful, but also Grade 3 standards test results taken in consecutive years by retained students indicate that only one in four retained students improve their score. These results generally replicate the research done in the United States. Résumé: Les données d’un répertoire de la population générale au Manitoba montrent que les étudiants qui sont mâles, plus jeunes que les autres enfants de la classe et en 1ère, en 2ème, en 7ème ou en 8ème année étaient les plus probables à devoir redoubler. Après avoir contrôlé les facteurs estudiantins les plus importants tels que le statut socioéconomique et
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».