MétaCan
Menu
Retour à la cohorte
Enregistrement W2279665730 · doi:10.12794/metadc500080

The Impact of Target Revenue Funding on Public School Districts in North Texas

2014· dissertation· en· W2279665730 sur OpenAlexaff
Dennis E. Womack

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésRevenueGeographyPublic administrationPolitical scienceBusinessFinance

Résumé

récupéré en direct d'OpenAlex

A pre–post case study was conducted to examine how target revenue funding from Texas House Bill 1 (2006) has impacted the school districts within the Texas Education Service Center Region X area. Forced by the courts, the Texas Legislature was required to fix the Texas school finance system because of a de facto statewide property tax it had created by capping school district’s maintenance & operations tax rate at $1.50. Texas Governor Rick Perry used this opportunity to reduce school district M&O taxes by one-third. The Texas Legislature passed House Bill 1 (2006), the Public School Finance and Property Tax Relief Act, in response to the courts and to address a continuous decline in state funding support for public education. The Public School Finance and Property Tax Relief Act reduced local school districts’ property tax rates and revenue with the assurance that these funds would be exchanged for state aid. Local school property taxes were reduced over two years, 2006–2007 and 2007-2008, by 33%. In order for the State of Texas to meet the state aid funding guarantee from House Bill 1 (2006), each school district was frozen to its 2005–2006 revenue per weighted student, which was called a district’s revenue target. This study examined the impact target revenue has had on these school districts by analyzing and comparing revenues and expenditures prior to and following the law’s implementation. Specifically, changes in per-student revenue, per-student expenditures, and district fund balances were assessed.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,131
Score d'incertitude au seuil0,260

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,033
Tête enseignante GPT0,351
Écart entre enseignants0,317 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSchool Choice and PerformanceTravaux en français237 207