MétaCan
Menu
Retour à la cohorte
Enregistrement W4307033034 · doi:10.1007/s10578-022-01440-6

The Intensity of Formal Child-Care Attendance Decreases the Shared Environment Contribution to School Readiness: A Twin Study

2022· article· en· W4307033034 sur OpenAlexafffund
Éloi Gagnon, Michel Boivin, Catherine Mimeau, Bei Feng, Geneviève Morneau‐Vaillancourt, Sophie Aubé, Mara Brendgen, Frank Vitaro, Ginette Dionne

Notice bibliographique

RevueChild Psychiatry & Human Development · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversité de MontréalUniversité du Québec à MontréalUniversité Laval
Organismes subventionnairesFonds de Recherche du Québec-Société et Culture
Mots-clésModerationAttendanceChild careDevelopmental psychologyPsychologyEarly childhoodDay careDemographyMedicinePediatricsNursingSocial psychology

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to explore if child-care intensity (hours/weeks) and age of onset could moderate genetic and environmental contributions to school readiness. A sample of 648 (85% Whites; 50% Females) pairs of twins was used to compute a GxE, CxE and ExE interaction analyses. The moderation model showed that shared environment explains 48% of individual differences in school readiness for children not attending formal child-care, and decreased gradually to a mere 3% for children attending formal child-care full time, e.g., 40 h per week. Age of onset exerted no moderation effect. The results support the hypothesis that child-care acts as a normalizing environment, possibly buffering negative effects from low-quality home environments on school readiness.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,146
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0100,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,274
Écart entre enseignants0,262 · 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.

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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChild Psychiatry & Human DevelopmentMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207