MétaCan
Menu
Retour à la cohorte
Enregistrement W4292457986 · doi:10.5539/jel.v11n6p1

Conventional Wisdom and Popular (Mis)Understanding of “Failing Schools”

2022· article· en· W4292457986 sur OpenAlexvenueno aff
Keith E. Benson

Notice bibliographique

RevueJournal of Education and Learning · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueYouth Education and Societal Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRebuttalNeglectMedicinePolitical scienceLawNursing

Résumé

récupéré en direct d'OpenAlex

While the conception of “failing schools” has proliferated the American public’s (mis)understanding of performance of low-income urban public schools unabated since A Nation at Risk, education literature suggests “failing schools” are not what has been commonly described in conventional wisdom. Here, I begin by conceptualizing conventional wisdom before describing the popular narrative affixed to “failing schools” and briefly discussing the history of standardized assessments implemented to identify “failing schools”. And as the popular conception of “failing schools” position such schools as irredeemable education spaces as evidenced by students’ performance on standardized tests, in this article I attempt to posit a rebuttal to that conventional wisdom, namely that “failing schools” do not exist as isolated institutional sources of academic “failure” but are byproducts of longstanding economic and policy neglect of poor urban communities by policymakers, yet serve as convenient targets for the ultra-wealthy to divert popular attention away from systemic economic inequities which created illusion of “failing schools” to begin with.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,606
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,342
Écart entre enseignants0,299 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetYouth Education and Societal DynamicsTravaux en français237 207