MétaCan
Menu
Retour à la cohorte
Enregistrement W2582693703 · doi:10.1186/s40723-017-0028-8

Who uses early childhood education and care services? Comparing socioeconomic selection across five western policy contexts

2017· article· en· W2582693703 sur OpenAlexafffundabout
Amélie Petitclerc, Sylvana M. Côté, Orla Doyle, Margaret Burchinal, Catherine M. Herba, Henrik Daae Zachrisson, Michel Boivin, Richard E. Tremblay, Henning Tiemeier, Vincent W. V. Jaddoe, Hein Raat

Notice bibliographique

RevueInternational journal of child care and education policy/International journal of child care and education · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversité LavalUniversité de MontréalUniversité du Québec à MontréalCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesEconomic and Social Research CouncilNational Institute of Child Health and Human DevelopmentCanadian Institutes of Health ResearchFonds de Recherche du Québec-Société et CultureNorges ForskningsrådSocial Sciences and Humanities Research Council of CanadaUniversité de MontréalCanada Excellence Research Chairs, Government of CanadaZonMw
Mots-clésSocioeconomic statusDisadvantagedEarly childhood educationSubsidyEarly childhoodEconomic growthSocioeconomicsDemographic economicsPolitical sciencePsychologyEconomicsDemographySociologyPopulationDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

Growing evidence suggests that children’s participation in early childhood education and care (ECEC), especially center-based services, is associated with positive outcomes, particularly for children over one year of age and children of low socioeconomic backgrounds. This signals an important opportunity for reducing socioeconomic disparities in young children’s development. Many western countries have adopted policies to encourage maternal employment, facilitate ECEC service use, or both, often focusing on disadvantaged families. Yet few studies to date have tested the impact of these policies for reducing socioeconomic selection into ECEC. This study integrates data from five cohorts of children living in different western, high-income countries (UK, USA, Netherlands, Canada, and Norway; total N = 21,437). We compare participation rates and socioeconomic selection into ECEC across the different policy contexts in infancy (5–9 months) and early childhood (36–41 months). Policy environments where parents had access to at least 6 months of paid maternity/parental leave had lower ECEC participation in infancy but higher participation in early childhood. Higher participation rates were also associated with universal ECEC subsidies (i.e., not targeted to low-income families). In general, low income, low maternal education and having more than one child were associated with reduced use of ECEC. Selection effects related to low income and number of children were reduced in countries with universal ECEC subsidies when out-of-pocket fees were income-adjusted or reduced for subsequent children, respectively. Most socioeconomic selection effects were reduced in Norway, the only country to invest more than 1% of its GDP into early childhood. Nevertheless, low maternal education was consistently associated with reduced use of ECEC services across all countries. Among families using services however, there were few selection effects for the type of ECEC setting (center-based vs. non-center-based), particularly in early childhood. In sum, this comparative study suggests wide variations in ECEC participation that can be linked to the policy context, and highlights key policy elements which may reduce socioeconomic disparities in ECEC use.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,003
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,008
Tête enseignante GPT0,345
Écart entre enseignants0,337 · 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 tête enseignante, pas un consensus.

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

Citations58
Publié2017
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational journal of child care and education policy/International journal of child care and educationMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207