MétaCan
Menu
Retour à la cohorte
Enregistrement W2625393830

(In)Equity and Academic Streaming in Ontario: Effects on Students and Teachers and How to Overcome These

2016· article· en· W2625393830 sur OpenAlexaboutno aff
Emily Kinnon

Notice bibliographique

RevueTSpace (University of Toronto) · 2016
Typearticle
Langueen
DomaineComputer Science
ThématiqueOnline Learning and Analytics
Établissements canadiensnon disponible
Organismes subventionnairesOffice of International Science and Engineering
Mots-clésEquity (law)Mathematics educationPsychologyComputer sciencePedagogyBusinessPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This study is concerned with equity and academic streaming in Ontario K-12 education. The purpose of this study is to investigate the ways in which teachers’ reflections on their professional experiences can deepen our understanding of academic streaming and its impacts on students in Ontario, with a focus on: a) factors, other than academic ability, that determine a student’s stream; b) the effects of academic streaming; and c) how the education system, particularly vis-à-vis streaming, might be improved to better serve students and teachers based on these findings. Using semi-structured interviews with practising educators, this study serves to extend and consolidate existing research on streaming, which tends to be largely negative with regards to how academic streaming works in practice and the effects that it has on students. This study finds some benefits to academic streaming, mostly for teachers and students within the academic stream, however, most findings strongly suggest that our current system of academic streaming is highly inequitable, particularly due to the influence of socioeconomic status, race, and level of parental advocacy on which stream a student takes. This study strongly suggests that academic streaming is largely detrimental since it segregates students and puts many “on a pathway…that closes a lot of doors.” Another significant finding is that participants were keen to increase student integration using approaches such as destreaming. Other methods to make destreaming feasible are also suggested, such as reducing class size and increasing teacher collaboration.

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)0,008
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: Empirique
Score de désaccord entre enseignants0,315
Score d'incertitude au seuil0,634

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,003
Communication savante0,0050,003
Science ouverte0,0010,007
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,000

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 Opus0,019
Tête enseignante GPT0,292
Écart entre enseignants0,272 · 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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTSpace (University of Toronto)Même sujetOnline Learning and AnalyticsTravaux en français237 207