Notice bibliographique
Résumé
As we write this editorial in December 2022, a season of celebration, reflection, and renewal, we are struck by how each article in this winter issue offers something to celebrate about Canadian public schools, while simultaneously urging us to reflect on what needs to be changed and improved.Cutting-edge research in this issue offers much to educators, leaders, and policy makers for planning ahead.Specifically, covering the period of the last two decades, including the COVID-19 pandemic, the research in this collection illuminates learning opportunities, experiences, and outcomes across primary and secondary schools in Canada and the provincial-level policies that determine and/ or shape them.The specific topics include high school completion patterns, the effects of summer learning programs, the experiences of physically-distanced learning during the pandemic, cross-country policy responses to the pandemic, and the future of robotics-incorporated education.In this editorial, we discuss the significance of each of these studies, while emphasizing that more research is needed on issues impacting under-represented groups, especially research undertaken by, with, and for Indigenous and Black people and communities.Robson, Malette, Anisef, Maier, and Brown investigate persistent questions about why some students complete high school while others do not.By drawing on data from two Grade 9 cohorts ( 2006 and 2011) from the Toronto District School Board, their research contributes to understanding the patterns of high school completion in Canada's largest city and draws on demographic data (gender, race, parental education, and household income) and school-related predictors, such as academic achievement, special
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 | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,008 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,067 | 0,034 |
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 ».