MétaCan
Menu
Retour à la cohorte
Enregistrement W2156085444 · doi:10.1111/fare.12112

Family Structure, Academic Characteristics, and Postsecondary Education

2015· article· en· W2156085444 sur OpenAlexaff
Zheng Wu, Christoph M. Schimmele, Feng Hou

Notice bibliographique

RevueFamily Relations · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueParental Involvement in Education
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésEducational attainmentSocioeconomic statusSocializationPsychologyDevelopmental psychologyAcademic achievementLogistic regressionMultilevel modelSocial psychologyDemographyPopulationSociologyMedicineEconomic growth

Résumé

récupéré en direct d'OpenAlex

This study investigates the reasons for the gaps in educational attainment between children from married biological parents and alternative families. Socioeconomic resources and parental behaviors are well‐established reasons, but these factors do not explain the entire relationship between family structure and educational outcomes. We argue that these parental‐level factors influence children's academic socialization and thus indirectly contribute to differential educational outcomes. Hence, this study considers whether children's academic characteristics are a complementary explanation for the effect of family structure on education. The logistic regression analysis demonstrates that these characteristics represent an important explanation for the lower educational attainment of children from alternative families. The decomposition analysis shows that academic characteristics are the predominant reason for the gaps in postsecondary educational attainment between children from married biological parents and alternative families. These characteristics account for a relatively higher proportion of these gaps than the combined direct effects of parental socioeconomic status and parental behaviors.

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)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,072
Tête enseignante GPT0,359
Écart entre enseignants0,287 · 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'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

Citations20
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFamily RelationsMême sujetParental Involvement in EducationTravaux en français237 207