MétaCan
Menu
Retour à la cohorte
Enregistrement W2171177713 · doi:10.1111/sipr.12008

Feeling at Home in College: Fortifying School‐Relevant Selves to Reduce Social Class Disparities in Higher Education

2015· article· en· W2171177713 sur OpenAlexaff
Nicole K. Stephens, Tiffany N. Brannon, Hazel Rose Markus, Jessica Nelson

Notice bibliographique

RevueSocial Issues and Policy Review · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychological interventionFeelingClass (philosophy)PsychologySocial classLife chancesHigher educationSocial psychologyMathematics educationPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Social class disparities in higher education between working‐class students (i.e., students who are low income and/or do not have parents with four‐year college degrees) and middle‐class students (i.e., students who are high income and/or have at least one parent with a four year‐degree) are on the rise. There is an urgent need for interventions, or changes to universities' ideas and practices, to increase working‐class students' access to and performance in higher education. The current article identifies key factors that characterize successful interventions aimed at reducing social class disparities, and proposes additional interventions that have the potential to improve working‐class students' chances of college success. As we propose in the article, effective interventions must first address key individual and structural factors that can create barriers to students' college success. At the same time, interventions should also fortify school‐relevant selves, or increase students' sense that the pursuit of a college degree is central to “who I am.” When students experience this strong connection between their selves and what it means to attend and perform well in college, they will gain a sense that they fit in the academic environment and will be empowered to do what it takes to succeed there.

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)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,146
Tête enseignante GPT0,499
Écart entre enseignants0,353 · 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'étudeQualitatif
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

Citations134
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSocial Issues and Policy ReviewMême sujetHigher Education Research StudiesTravaux en français237 207