Considerations for the Use of Online Open-Ended Survey Questions in Educational Research on Youth Experience of the School System
Bibliographic record
Abstract
Eğitim psikolojisi araştırma uygulamaları, kişisel ve ilişkisel konuları incelemek için kişisel olmayan yöntemler kullanmaları nedeniyle eleştirilmiştir. Bu gerilimlere yanıt olarak, eğitim psikolojisinde daha nitel araştırmalara ve gençlerin katılımını artırmak için genç dostu araştırma yaklaşımlarının kullanımına doğru bir yönelim söz konusudur. Eğitim psikolojisinde nitel araştırmanın titizliğiyle ilgili eleştirilere duyarlı araştırmacılar ve büyük miktarda veriyi ele almak için nitel bir yöntem kullanmak isteyen pozitivist araştırmacılar için bir 'orta yol' olarak bağımsız çevrimiçi açık uçlu anketlerin kullanımını öneriyoruz. Ergen öğrencilerin öğretmen-öğrenci ilişkisine ilişkin algılarına dair uzunlamasına okul tarafından uygulanan bir anketten elde edilen açık uçlu verileri kullanarak, beş adımımız (alan çalışmasına giriş, yanıt veren ve yanıt vermeyenlerin analizi, veri hazırlığı, veri analizi ve yorumlama), titizliği artırmak için anket içindeki verilerin nasıl üçgenleştirileceğini ve kristalleştirileceğini açıklamaktadır ve bütünsel veri yönetiminin, veri kümesi içinde ve birden fazla soruda kodlamanın üçgenleştirme ve kristalleştirmenin yeniden düşünülmesini sağladığını savunmaktadır. Yaklaşımımız, öğrenci bakış açılarının çeşitliliğini onurlandıran dört tema ortaya koydu: “Çekme ve İtme”, “Öğrencinin elini tutmak”, “Öğretmen okuldur” ve “Tek başına uçanlar”. Bu yöntemle elde edilebilecek veri zenginliğine örnekler sunuyoruz. Bulgularımız, öğretmenlerin ilişki kurma becerilerinin öğrenciler tarafından değerli bulunduğunu ve içerik ve derslerin daha derinlemesine anlaşılması için olumlu öğrenci öğrenme eğilimlerini geliştirmede önemli olduğunu göstermektedir. Araştırmacıları, okul temelli araştırmalarda öğrenci çeşitliliğini ve kapsayıcılığını onurlandırmak için çevrimiçi açık uçlu anket verilerini yorumlayıcı bir bakış açısıyla analiz etmeyi düşünmeye teşvik ediyoruz.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.683 | 0.728 |
| Meta-epidemiology (narrow) | 0.002 | 0.003 |
| Meta-epidemiology (broad) | 0.003 | 0.006 |
| Bibliometrics | 0.012 | 0.014 |
| Science and technology studies | 0.007 | 0.012 |
| Scholarly communication | 0.023 | 0.017 |
| Open science | 0.008 | 0.011 |
| Research integrity | 0.008 | 0.009 |
| Insufficient payload (model declined to judge) | 0.010 | 0.004 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".