Educational Equity Patterns in South Carolina Career and Technical Education
Notice bibliographique
Résumé
Fuller Hamilton et al. (2015) review provided a suggested model to improve Career and Technical Education (CTE) equity so that this study could be replicated systematically. National resources examining CTE educational equity components did not exist. The problem addressed in the replication study was the need to explore educational inequity within the South Carolina CTE Health Science career cluster. No CTE educational equity research exists in South Carolina, so the purpose of the replication study was to explore educational inequity within the South Carolina CTE Health Science career cluster. Cultural Replication Theory was the conceptual framework used for this replication study. Four research questions were formulated to examine the CTE enrollment patterns in South Carolina concerning four demographic characteristics, namely sex, race/ethnicity, region, and socioeconomic status. Students enrolled in CTE within South Carolina during the 2018-19 school year was the population selected. Secondary data was collected from a sample of 196,318 CTE enrollees and examined using descriptive analysis procedures. Overall results were not uniform. Inconsistent levels of inequity existed within race, ethnicity, and sex. In addition, inequity was present regarding regional effects and socioeconomic status. Future recommendations for research include conducting a qualitative or mixed-method study to further explain the enrollment patterns of CTE programs in South Carolina. Implications for practice to address the inequities in South Carolina include improving the underrepresentation of educators by sex and race/ethnicity, recommending equity audits, examination of access and availability of opportunities within CTE programs, and encouragement of all educators actively adopting and advancing an equity agenda from the original study.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».