MétaCan
Menu
Retour à la cohorte
Enregistrement W4210701991 · doi:10.3102/0013189x221077208

Language and Special Education Status: 2009–2019 Tennessee Trends

2022· article· en· W4210701991 sur OpenAlexaff
Jeannette Mancilla‐Martinez, Min Hyun Oh, Gigi Luk, Adam Rollins

Notice bibliographique

RevueEducational Researcher · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation Discipline and Inequality
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésSample (material)Identification (biology)Set (abstract data type)PsychologyEnglish-language learnerState (computer science)First languageEnglish languageLow incomeMathematics educationLimited English proficiencyLinguisticsSociologyEconomic growthComputer scienceSocioeconomicsEconomics

Résumé

récupéré en direct d'OpenAlex

Using state-level data, we report special education (SPED) trends in Tennessee from 2009 to 2019 for students in Grades 3 to 8 by language groups—native English speaker (NES), English-proficient bilingual (EPB), and current English learner (Current EL)—and income status (eligibility for free or reduced-price lunch). The sample included 812,783 students from 28 districts that met the risk ratio threshold set by the state. Results revealed that none of the language groups were disproportionally (i.e., over) represented in SPED based on Tennessee’s threshold. However, trends varied by income status, suggesting that exclusionary factors are potentially associated with rates of identification.

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)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,434
Score d'incertitude au seuil0,862

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,074
Tête enseignante GPT0,468
Écart entre enseignants0,394 · 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'étudeObservationnel
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational ResearcherMême sujetEducation Discipline and InequalityTravaux en français237 207