101 The Impact of Sociodemographic Factors on Youth Academic Achievement During the COVID-19 Pandemic in Ontario, Canada
Notice bibliographique
Résumé
Abstract Background The COVID-19 pandemic interrupted education and widened socioeconomic disparities. In Ontario, schools were closed for 28 weeks, longer than any other state, province, or territory in North America. School interruptions and remote learning are known to have short and long-term negative effects, which differ by socioeconomic status, on students’ academic outcomes. Objectives The objective of this study was to determine whether the COVID-19 pandemic was associated with a greater achievement gap between disadvantaged and non-disadvantaged secondary students in Ontario, Canada. Design/Methods We conducted a population-based observational study comparing scores from Ontario’s Education Quality and Accountability Office (EQAO) standardized Grade 9 Assessment of Mathematics from 2018-19 (pre-COVID year) and 2020-21 (COVID year). Our outcome measure was the EQAO Grade 9 Assessment of Mathematics dot scores. The primary analysis used a mixed-effects multilevel model (with random effects for school board) to calculate the interaction between year and neighborhood family income on math scores (difference in income slope between years) while controlling for confounders. Secondary analyses examined other risk factors (e.g. parental education, newcomer status, and lone-parent home) and their impact during the pandemic. Results In the COVID year, 3,485 of 42,920 eligible Ontario Grade 9 students (8.1%) participated in the EQAO Grade 9 Assessment of Mathematics from 38 of 72 school boards. In the pre-COVID year, within those same 38 school boards, 42,640 of 43,230 eligible Grade 9 students (98.6%) participated in the math assessment. We found that in the pre-COVID year, every one standard deviation increase (or decrease) in mean log-adjusted neighborhood income resulted in a mean increase (or decrease) in test score of 0.088 (95% CI, 0.078 to 0.097; p<0.0001). The effect of income on test score decreased in the COVID year (delta between years, -0.047, 95% CI, -0.060 to -0.033; p<0.0001). Conclusion This population-based observational study demonstrated that neighborhood family income impacted academic performance less in the COVID year compared to the pre-COVID year. The impact of other sociodemographic factors on academic achievement were also modified in the COVID year compared to pre-COVID. Determining how sociodemographic risk factors affected academic achievement during the pandemic may help inform educational recovery strategies and improve educational outcomes for children facing social inequities.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».