Recruiting and Supporting Low-Income, High-Achieving Students at Flagship Universities
Notice bibliographique
Résumé
We study two interventions in Texas that were designed to overcome multiple hurdles faced by low-income, high-ability college students. The Longhorn Opportunity Scholars (LOS) and Century Scholars (CS) programs recruited at specified low-income high schools, provided additional financial aid, and enhanced support services once enrolled in college if students attended University of Texas -Austin or Texas A&M -College Station, respectively. These flagship institutions are widely regarded as the top public universities in Texas. Using administrative data that links K-12, postsecondary, and earnings records for Texas public college students, we find via difference-in-differences estimates that the LOS program had a large, positive effect on high-achievers: attendance at UT-Austin increased by 2.2 percentage points (81%), and the likelihood of graduating from UT-Austin increased by 1.7 percentage points (87%). Twelve or more years post-high school, earnings of those exposed to LOS rose by 4.0%. These results entirely come from women, who saw enrollment at UT-Austin increase by 4.0 percentage points, graduation from UT-Austin increase by 2.6 percentage points and earnings increase by 6.1%. We find no evidence that the CS program affected any postsecondary or labor market outcomes. These results indicate that targeted recruitment combined with adequate supports and financial aid can substantially increase enrollment of low-income students in higher quality colleges and improve labor market outcomes. However, the differences in the LOS and CS program effects highlight the importance of understanding how to design these programs to maximize their impact on students.
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 | 0,011 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».