Child Care Services, Socioeconomic Inequalities, and Academic Performance
Notice bibliographique
Résumé
OBJECTIVE: To determine if child-care services (CCS) at a population level can reduce social inequalities in academic performance until early adolescence. METHODS: A 12-year population-based prospective cohort study of families with a newborn (n = 1269). Two CCS variables were estimated: "intensity" (low, moderate, and high number of hours) and "center-based CCS type" (early onset, late onset, and never exposed to center-based CCS). RESULTS: Children from low socioeconomic status (SES) families who received high-intensity CCS (any type), compared with those who received low-intensity CCS, had significantly better reading (standardized effect size [ES] = 0.37), writing (ES = 0.37), and mathematics (ES = 0.46) scores. Children from low-SES families who received center-based CCS, compared with those who never attended center care, had significantly better reading (ESearly onset = 0.68; ESlate onset = 0.37), writing (ESearly onset = 0.79), and mathematics (ESearly onset = 0.66; ESlate onset = 0.39) scores. Furthermore, early participation in center-based CCS eliminated the differences between children of low and adequate SES on all 3 examinations (ES = -0.01, 0.13, and -0.02 for reading, writing, and mathematics, respectively). These results were obtained while controlling for a wide range of child and family variables from birth to school entry. CONCLUSIONS: Child care services (any type) can reduce the social inequalities in academic performance up to early adolescence, while early participation in center-based CCS can eliminate this inequality. CCS use, especially early participation in center-based CCS, should be strongly encouraged for children growing up in a low-SES family.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».