MétaCan
Menu
Retour à la cohorte
Enregistrement W4385512173 · doi:10.60082/0829-3929.1366

How Affirmative Action Context Shapes Collegiate Outcomes at America’s Selective Colleges and Universities

2019· article· en· W4385512173 sur OpenAlexvenueno aff
Amy Lutz, Pamela R. Bennett, Rebecca Wang

Notice bibliographique

RevueJournal of Law and Social Policy · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesMaxwell School of Citizenship and Public Affairs, Syracuse UniversitySyracuse UniversityNational Science Foundation
Mots-clésAffirmative actionSupreme courtContext (archaeology)Higher educationPolitical scienceAction (physics)LawHistory

Résumé

récupéré en direct d'OpenAlex

During the 1990s and early 2000s, the affirmative action context in the United States changed. Affirmative action in higher education was banned in several states, and the Supreme Court ruled in Grutter (2003) that affirmative action, while constitutional, should be implemented via holistic evaluation of applicants. In this article, we use two datasets to examine how affirmative action context relates to academic outcomes at selective colleges and universities in the United States before and after the Grutter decision and in states with and without bans on affirmative action. Underrepresented minority students earned higher grades in the period after the Grutter decision than before it, indicating that the holistic evaluation method required by Grutter may enhance educational outcomes for these students. In contrast, we find no support for the idea, proposed by critics of the policy, that banning affirmative action leads to better collegiate outcomes for Black and Latino students at selective institutions.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,411
Score d'incertitude au seuil0,837

Scores Codex et Gemma par catégorie

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

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 Opus0,034
Tête enseignante GPT0,385
Écart entre enseignants0,351 · 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.

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

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Law and Social PolicyMême sujetHigher Education Research StudiesTravaux en français237 207