MétaCan
Menu
Retour à la cohorte
Enregistrement W2724910112 · doi:10.1080/02680939.2017.1346203

The geography of school choice in a city with growing inequality: the case of Vancouver

2017· article· en· W2724910112 sur OpenAlexaffabout
Ee‐Seul Yoon, Christopher Lubienski, Jin Lee

Notice bibliographique

RevueJournal of Education Policy · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésInequalityEducational inequalitySocial capitalContext (archaeology)WelfareSocial mobilitySchool choiceSpatial inequalitySocial inequalityPolarization (electrochemistry)GeographyDistribution (mathematics)Economic geographyDemographic economicsSociologyCapital (architecture)Economic growthEconomicsSocial science

Résumé

récupéré en direct d'OpenAlex

This analysis aims to measure the impact of school choice policy on secondary school students’ enrolment patterns within the social geography of Vancouver, an increasingly polarized global city. The rationale for the study is to examine the impact of ‘education market’ reforms on the socio-economic composition of schools in a Canadian context, where a social welfare commitment to educational equality is being replaced by market-oriented policies and increasing social inequality. Our study is guided by Bourdieu’s theory of site in considering whether growing inequality and polarization of wealth in a city are correlated with the ways families choose schools. We apply a geographical methodology (Geographic Information System) to delineate spatial patterns of choosing schools. Our analysis shows that those who opt out of the under-subscribed schools come from the neighborhoods with relatively higher capital than those who remain in their assigned schools. Also, those who opt into the over-subscribed schools in the affluent areas come from the neighborhoods with above-average levels of capital in Vancouver. Overall, we find that the spatial inequality in school choice generally follows the uneven distribution of capital/wealth across the city. The pattern of student mobility indicates an increasing level of segregation.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,031
Score d'incertitude au seuil0,184

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,007
Études des sciences et des technologies0,0120,004
Communication savante0,0060,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
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 Opus0,044
Tête enseignante GPT0,409
Écart entre enseignants0,365 · 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

Citations55
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Education PolicyMême sujetSchool Choice and PerformanceTravaux en français237 207