MétaCan
Menu
Retour à la cohorte

Nannies, Migration and Early Childhood Education and Care

2016· book· en· W4255883071 sur OpenAlexaboutno aff
Elizabeth Adamson

Notice bibliographique

RevuePolicy Press eBooks · 2016
Typebook
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRural development and sustainability
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNormativeSocioeconomic statusEarly childhood educationChild careSituatedPaid workCare workWork (physics)Political scienceDemographic economicsEconomic growthSociologyPopulationLabour economicsMedicineNursingEconomics

Résumé

récupéré en direct d'OpenAlex

Once considered the preserve of the wealthy, nanny care has grown in response to changes in the labour market, including the rising number of mothers with young children, and increases in non-standard work patterns. This book examines the place of in-home childcare, commonly referred to as care by nannies, in Australia, the United Kingdom and Canada since the 1970s. In contrast to childminding or family day care provided in the home of the carer, in-home care takes place in the child’s home. The research extends beyond the early childhood education and care domain to consider how migration policy facilitates the provision of childcare in the private home. New empirical research is presented about in-home childcare in Australia, the United Kingdom and Canada, three countries where governments are pursuing new ways to support the recruitment of in-home childcare workers through funding, regulation and migration. The compelling policy story that emerges illustrates the implications of different mechanisms for facilitating in-home childcare - for families and for care workers. It proposes that these differences are shaped by both structural and normative understandings about appropriate forms of care that cut across gender, class/socioeconomic status and race/migration. Overall, it argues that greater attention needs to be given to the way childcare work in the private home is situated across ECEC and migration policy.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,012
Tête enseignante GPT0,226
Écart entre enseignants0,213 · 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'étudeQualitatif
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Press eBooksMême sujetRural development and sustainabilityTravaux en français237 207