Computational Modeling in Cognitive and Social Science Blog
.jpg)
Una visión general del modelo completo
Esta investigación se basa en la observación de que la progresión de grado en escuelas sudafricanas de bajos ingresos es sólo débilmente vinculado a la capacidad real y el aprendizaje como una consecuencia de la incapacidad de los (mal entrenado, baja calidad) maestros en estas escuelas para evaluar adecuadamente la competencia de su aprendices. Por tanto, el objetivo principal de este modelo es de entender con mayor granularidad de la relación entre la progresión de los estudiantes y profesores y los factores sociales. En particular, ¿cómo funciona la eficacia del profesor en la evaluación de la capacidad de los estudiantes, la oportunidad de aprender, los niveles de desempleo, y las diferencias salariales entre los trabajadores calificados y no calificados afectan las decisiones de los estudiantes sobre la asistencia escolar? Una contribución clave de este modelo es explorar la importancia relativa de estos en dos dimensiones: la repitencia y la deserción escolar de los estudiantes. Mientras que la repetición de grado es una función exclusivamente de la capacidad y la eficacia de evaluación docente, este resultado se alimenta en las tasas de deserción escolar, la creación de una relación dinámica entre estas dos variables.
El modelo consta de cuatro procedimientos secuenciales significativos que se producen durante un período de un tick (solo año), con cada tic que representa un solo año escolar. Agentes primer estudiante se crean con un nivel de habilidad innata (una vez que el modelo está en ejecución, esto representa sólo la adición de una nueva cohorte de 8s Grado), a continuación, los alumnos escriben un examen anual que se evalúa con cierta aleatoriedad, y luego decidir si no permanecer en la escuela sobre la base de esta prueba, su capacidad innata y diversos factores del mercado laboral. Por último, aquellos estudiantes que hayan superado la prueba y no han abandonado son promovidos al siguiente grado.
Más altos componentes estocásticos dan como resultados en un aumento de las tasas de abandono escolar y menos estudiantes que llegan a los grados superiores
Mientras que la calificación del estudiante promedio se mantiene aproximadamente en la media especificada en el modelo (62%), la mayor variabilidad en las puntuaciones de la prueba generada por la introducción de un componente estocástico en la evaluación produce mucho mayor variación de resultados de las pruebas en torno a la media, y por lo tanto mayor probabilidad de los estudiantes en su defecto. Esto a su vez genera una carrera escolarización prolongada. La escolarización de duración aumenta a medida que las perspectivas de empleo empeoran (abandonos disminuyen). Cada vez más clases pequeñas surgen en los diferentes grados superiores como el grado de aleatoriedad en la asignación de los aumentos de marca de prueba. Cabe destacar que una U invertida que aparece en la matrícula total en los escenarios de alta y media de desempleo. Bajo las condiciones del mercado de trabajo favorables (bajo desempleo), los estudiantes tienen pocos incentivos para permanecer en la escuela después de una mala evaluación de su capacidad. Sin embargo, como las condiciones del mercado laboral empeora, dos fuerzas en conflicto entran en juego - como aleatoriedad en incrementos de evaluación, los estudiantes son más propensos a abandonar (por lo tanto, observamos clases más pequeñas), sin embargo, un componente estocástico mayor también significa mayor número de suspensos (y por lo tanto más grande tamaño de las clases en cada grado). Los resultados sugieren que en el hecho de la alta tasa de desempleo, esta última prevalece, y permanecer en la escuela se convierte en una estrategia más exitosa para los estudiantes.
final_model
