Upward Mobility in Education: The Role of Personal Networks Across the Life Course
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
How do individuals achieve upward mobility in education despite the well‐documented mechanisms that foster reproduction of inequalities? This question presents a fundamental puzzle for social science researchers and has generated an increasing body of research. The present article tackles the puzzle using a life course and personal network lens. Studying educational trajectories in Germany of students whose parents have low educational degrees, it asks: What paths did students take through the education system, what personal network factors were important for their educational attainment, and how did these factors change over students’ life courses? In contrast to most studies that zoom in on a specific transition or time period, the article uses data from 36 retrospective in‐depth interviews that allow a sweeping view of respondents’ educational careers. Thanks to a systematic case selection scheme, the data also enables comparisons between students who became upwardly mobile and those who replicated their parents’ low educational degrees. Findings suggest four types of trajectories: direct upward mobility, indirect upward mobility, direct non‐mobility, and indirect non‐mobility. I discuss four personal network factors that seem to drive these trajectories: support with academic efforts, encouragement, support with solving problems, and role models. Upwardly mobile students showed combinations of two or more of these four factors that established higher education as the students’ goal, and provided them with tools and support to reach that goal. With these findings, the article contributes to literature on inclusion in education, social inequality and mobility, personal networks, and the life course.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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