MétaCan
Menu
Retour à la cohorte
Enregistrement W2007878653 · doi:10.1080/13876980902888020

Enduring Issues in Urban Education

2009· article· en· W2007878653 sur OpenAlexaff
Ben Levin

Notice bibliographique

RevueJournal of Comparative Policy Analysis Research and Practice · 2009
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensInstitute for Christian Studies
Organismes subventionnairesnon disponible
Mots-clésPolityPovertyPoliticsPolitical scienceEconomic growthPublic relationsEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

This paper raises three enduring areas of debate around inner-city education: 1) the extent to which schools are the best places to intervene to improve outcomes for poor children – the policy question is whether that is enough to expect given the very substantial resources devoted to schools, or whether a larger share of overall resources would be better used to support initiatives around early childhood, employment, housing, or better income support programs; 2) the best strategies for urban schools to improve student outcomes – many school strategies have been about supplementary programs for high need communities but more recently focus has shifted to improving teaching and learning practices in high poverty schools; 3) the challenges of building and sustaining political support in addressing urban education issues – not only are the politics of urban areas highly fractious, but it is difficult to create sufficient support in the larger polity to sustain improvements in urban education. Contemporary approaches to poverty and education replicate many ideas and initiatives that were actually in place decades ago, raising the question of how to use and learn from the experience of the last several decades so that the same choices and mistakes are not repeated.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0110,043
Communication savante0,0150,011
Science ouverte0,0020,013
Intégrité de la recherche0,0070,010
Charge utile insuffisante (le modèle a refusé de juger)0,0170,001

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 Opus0,165
Tête enseignante GPT0,580
Écart entre enseignants0,416 · 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations14
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Comparative Policy Analysis Research and PracticeMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207