MétaCan
Menu
Retour à la cohorte
Enregistrement W2735168639 · doi:10.1332/174426415x14210818992588

The evidence base for early childhood education and care programme investment: what we know, what we don’t know

2015· article· en· W2735168639 sur OpenAlexaff
Linda A. White, Susan Prentice, Michal Perlman

Notice bibliographique

RevueEvidence & Policy · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversity of ManitobaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEarly childhood educationPsychological interventionInvestment (military)Intervention (counseling)Early childhoodResearch policyQuality (philosophy)Economic growthPolitical sciencePublic relationsPublic economicsBusinessPsychologyEconomicsMedicineNursingPublic administrationDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

An expanding body of research demonstrates that high quality early childhood education and care (ECEC) programmes generate positive outcomes for children; in response, policy makers in a number of countries are making significant programme investments. No research consensus, however, has emerged around the specific types of policy intervention that are most effective. Much remains to be clarified in terms of specific policy interventions that flow from the evidence base. To respond to these important gaps in ECEC knowledge, we advance a call for a research agenda that will systematically examine the effects of early years policy instruments and settings.

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)0,128
score de la tête « metaresearch » (Gemma)0,462
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,128
Score d'incertitude au seuil0,675

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1280,462
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0100,008
Bibliométrie0,0110,011
Études des sciences et des technologies0,0030,013
Communication savante0,0170,021
Science ouverte0,0080,007
Intégrité de la recherche0,0130,017
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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 Opus0,065
Tête enseignante GPT0,364
Écart entre enseignants0,299 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEvidence & PolicyMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207