MétaCan
Menu
Retour à la cohorte
Enregistrement W2092540138 · doi:10.3138/cpp.39.2.287

Summer Learning Inequality in Ontario

2013· article· en· W2092540138 sur OpenAlexaffvenueabout
Scott Davies, Janice Aurini

Notice bibliographique

RevueCanadian Public Policy · 2013
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensUniversity of WaterlooMcMaster University
Organismes subventionnairesnon disponible
Mots-clésLiteracyInequalityQuartileGeographyScale (ratio)Sample (material)Political sciencePsychologyDemographic economicsDemographySociologyEconomicsPedagogyStatisticsMathematicsCartography

Résumé

récupéré en direct d'OpenAlex

Education policy should be informed by research that distinguishes school-based learning from learning that occurs during non-school time. American studies find that socio-economic disparities in learning tend to widen over the summer months, the longest continuous stretch of non-school time. This paper analyzes the first large-scale Canadian study of summer learning. We collected data on literacy growth for a non-random sample of 1,376 Ontario children in Grades 1–3 during the summers of 2010 and 2011. Summer learning was widely dispersed with a mean of zero, and equal proportions of children had substantial learning gains and losses. There were strong disparities by family socio-economic status (SES), as affluent children gained literacy while those from poorer families lost literacy. We attributed 25 percent of the gap between the top and bottom SES quartiles at the start of the school year to the previous summer. We discuss implications for Canadian education policy and future research.

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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,536
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0050,001

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 Opus0,068
Tête enseignante GPT0,319
Écart entre enseignants0,251 · 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'étudeObservationnel
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

Citations33
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetSchool Choice and PerformanceTravaux en français237 207