A Socio-Spatial Analysis of Communities Affected by Public School Closures in Ontario
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The prevalence of public school closures in Ontario is growing. Though schools provide \nextensive social benefits for communities they, the current Ministry of Education (MOE) model \nfor determining school closures called Pupil Accommodation Review Guidelines (PARG), \nprincipally relies on economic efficiency as criteria. In response to growing concern surrounding \nthe inequity of the current model – with apprehension that vulnerable communities are the \ndisproportionate targets —a moratorium on school closures was declared in June 2017 to \nrevamp the model. The proposed research aims to fill the existing gaps in data and research on \nOntario school closures to inform the creation of a model that minimizes hardship on \nvulnerable communities. Specifically, this research will produce a comprehensive and publicly- \navailable dataset of pending and completed school closure locations in Ontario since the \nestablishment of PARG in 2006 and a subsequent analysis that identifies socio-spatial inequities \nin Ontario school closures. This research will consist of four phases (school closure dataset \ncreation; acquisition of community socioeconomic profiles; data harmonization; and spatial \nanalysis) and will draw from Ontario public school board website archives for data creation and \nthe 2017 Ontario Marginalization Index (ON-Marg), for existing socioeconomic data. This \nresearch will make important contributions to research, policy, and practice in its production of \ndata and analysis that are presently non existent and its tremendous potential to influence \npolicy that can protect vulnerable communities from the permanent loss of public schools.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 découle