Do you have to be mobile to be socially mobile? Adult learners miss out again!
Notice bibliographique
Résumé
The paper reports on a preliminary review of institutional data against hot and cold spot areas identified in the recent Social Mobility Index (SMI) (Social Mobility Commission, 2016). The review sought to explore the extent to which Open University (OU) students from the lowest quintiles of the POLAR3 classification were represented in the SMI cold spot areas. Based on the premise that geographic mobility is a challenge for many disadvantaged students (Reay et al., 2001), a link between OU students from the lowest quintiles (one and two) and the cold spots may suggest that the opportunities open to them upon completion of their degree are limited. This potentially has implications for all HE providers if the HE sector is serious about tackling the dramatic decline in part-time student numbers over recent years (Butcher, 2015). \n \n<br></br><br></br>The review found that in the bottom 10 cold spot areas POLAR3 classification for OU students was predominantly within quintiles one or two and in the top 10 hot spots, quintiles four and five. Drawing on literature around the challenges for disadvantaged students, including mature and part-time, the implications of this were subsequently explored through a case study of the industrial town of Corby in the East Midlands area of England.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,013 | 0,013 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».