MétaCan
Menu
Retour à la cohorte
Enregistrement W4367459594 · doi:10.1177/23328584231168867

Going the Distance: Disparities in Pre-K Enrollment in Higher-Quality Schools by Geographic Proximity, Race/Ethnicity, Family Income, and Home Language

2023· article· en· W4367459594 sur OpenAlexaboutno aff
Meghan P. McCormick, Mirjana Pralica, JoAnn Hsueh, Christina Weiland, Amanda Ketner Weissman, Anna Shapiro, Samantha Xia, Cullen MacDowell, Samuel Maves, Anne Taylor, Jason Sachs

Notice bibliographique

RevueAERA Open · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Education SciencesRobert Wood Johnson Foundation
Mots-clésEthnic groupSocioeconomic statusRace (biology)QuartileQuarter (Canadian coin)Family incomeEducational attainmentQuality (philosophy)PsychologyDemographyDemographic economicsGeographySociologyMedicineEconomic growthPopulationGender studiesEconomics

Résumé

récupéré en direct d'OpenAlex

This study leverages six years of public prekindergarten (pre-K) and kindergarten data (N = 22,469) from the Boston Public Schools (BPS) to examine enrollment in BPS pre-K from 2012–2017 for students from different racial/ethnic, socioeconomic, and linguistic groups. The largest differences in enrollment emerged with respect to race and ethnicity—and for enrollment in programs in higher-quality schools (defined as schools scoring in the top quartile on third-grade standardized tests)—with disparities increasing over time. Although there were no differences across groups in proximity to BPS pre-K programs in general, Black students lived about a quarter of a mile farther than their White peers from the nearest program in a higher-quality school, with gaps widening over time. Closer proximity was associated with a higher likelihood of enrollment in a program in a higher-quality school. Implications for future research and policy are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,168
Score d'incertitude au seuil0,334

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,035
Tête enseignante GPT0,359
Écart entre enseignants0,324 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations18
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAERA OpenMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207