The Community School Initiative in Toronto: Mitigating Opportunity Gaps in the Jane and Finch Community in the Wake of COVID-19
Notice bibliographique
Résumé
COVID-19 significantly impacted the delivery of education with widespread disruptions, particularly disadvantaging racialized and low-income families. Our research project explored how community-based programming can be adapted and mobilized to mitigate opportunity and achievement gaps for Black, Indigenous, people of colour (BIPOC), and those from lower socio-economic backgrounds. The project as a case study examined an afternoon and weekend supplementary academic program called the Community School Initiative (CSI), offered from September 2020 to May 2021 to members of the Jane and Finch community in Toronto, Canada at a subsidized cost. CSI is a partnership between the non-profit organization Youth Association for Academics, Athletics, and Character Education (YAAACE) and the for-profit enterprise Spirit of Math. It delivers a structured math curriculum to students in grades two to eight aged 8 to 14 years, old supported by a team of caring adults including parents, coaches, and Ontario certified teachers. The efficacy and outcomes of the CSI was assessed through surveys with parents (n=33), students (n=33), and teachers (n=4), and a focus group with seven teachers delivering the curriculum in the CSI. We also discuss the significance of how the research was conducted in the wake of COVID-19. Hence, this article is about the findings from the data, but just as much about the community-driven approach to how the research was conducted, by the community and for the community.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,023 | 0,006 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».