MétaCan
Menu
Retour à la cohorte
Enregistrement W2990207431 · doi:10.3386/w21602

Using Behavioral Insights to Increase Parental Engagement: The Parents and Children Together (PACT) Intervention

2015· preprint· en· W2990207431 sur OpenAlexaff
Susan Mayer, Ariel Kalil, Philip Oreopoulos, Sebastián Gallegos

Notice bibliographique

RevueNational Bureau of Economic Research · 2015
Typepreprint
Langueen
DomainePsychology
ThématiqueFamily and Disability Support Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesUniversity of Chicago
Mots-clésPactIntervention (counseling)PsychologyDevelopmental psychologyPolitical sciencePsychiatry

Résumé

récupéré en direct d'OpenAlex

Parent engagement with their children plays an important role in children's eventual economic success and numerous studies have documented large gaps in parent engagement between low-and higher-income families.While we know remarkably little about what motivates parents to engage in their children's development, recent research suggests that ignoring or discounting the future may inhibit parental investment, while certain behavioral tools may help offset this tendency.This paper reports results from a randomized field experiment designed to increase the time that parents of children in subsidized preschool programs spend reading to their children using an electronic reading application that audio and video records parents as they read.The treatment included three behavioral tools (text reminders, goal-setting, and social rewards) as well as information about the importance of reading to children.The treatment increased usage of the reading application by one standard deviation after the six-week intervention.Our evidence suggests that the large effect size is not accounted for by the information component of the intervention and that the treatment impact was much greater for parents who are more present-oriented than for parents who are less present-oriented.

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: Essai non randomisé · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,538
Tête enseignante GPT0,583
Écart entre enseignants0,046 · 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'étudeEssai non randomisé
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

Citations49
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetFamily and Disability Support ResearchTravaux en français237 207