Notice bibliographique
Résumé
The author documents pervasive racial disparities in the health of American children and analyzes how and how much those disparities contribute to racial gaps in school readiness. She explores a broad sample of health problems common to U.S. children, such as attention deficit hyperactivity disorder, asthma, and lead poisoning, as well as maternal health problems and health-related behaviors that affect children's behavioral and cognitive readiness for school. If a health problem is to affect the readiness gap, it must affect many children, it must be linked to academic performance or behavior problems, and it must show a racial disparity either in its prevalence or in its effects. The author focuses not only on the black-white gap in health status but also on the poor-nonpoor gap because black children tend to be poorer than white children. The health conditions Currie considers seriously impair cognitive skills and behavior in individual children. But most explain little of the overall racial gap in school readiness. Still, the cumulative effect of health differentials summed over all conditions is significant. Currie's rough calculation is that racial differences in health conditions and in maternal health and behaviors together may account for as much as a quarter of the racial gap in school readiness. Currie scrutinizes several policy steps to lessen racial and socioeconomic disparities in children's health and to begin to close the readiness gap. Increasing poor children's eligibility for Medicaid and state child health insurance is unlikely to be effective because most poor children are already eligible for public insurance. The problem is that many are not enrolled. Even increasing enrollment may not work: socioeconomic disparities in health persist in Canada and the United Kingdom despite universal public health insurance. The author finds more promise in strengthening early childhood programs with a built-in health component, like Head Start; family-based services and home visiting programs; and WIC, the federal nutrition program for women, infants, and small children. In all three, trained staff can help parents get ongoing care for their children.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 source (Gemma direct ou Codex distillé), 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 ».