MétaCan
Menu
Retour à la cohorte
Enregistrement W4387103412 · doi:10.35542/osf.io/x7b6y

Who’s Got Talent for Identifying Talent?: Predictors of Equitable Gifted Identification for Black and Hispanic Students

2023· preprint· en· W4387103412 sur OpenAlexaff
Scott J. Peters, Angela Johnson, Matthew C. Makel, James Carter

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésGifted educationEquity (law)Identification (biology)Educational equityAfrican americanPsychologyDemographic economicsPolitical scienceMathematics educationSociologyPedagogyEconomics

Résumé

récupéré en direct d'OpenAlex

Students who are Black or Hispanic have long been disproportionately underrepresented in K-12 gifted and talented services. However, there are schools that have diverged from this trend by identifying atypically high numbers of Black and Hispanic students. In this paper we present predictors of access to and equity within gifted and talented populations for schools that enroll ten or more Black or Hispanic students. Our results show that state policy mandates for gifted education are predictive of higher levels of access to and equity within gifted services at the school level. The average achievement and socio-economic status of the district were positive predictors of access and equity while district proportion eligible for special education services was a negative predictor of both. Finally, we end with a description of how the top 5% most-equitable schools in the country look different from their peers.

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)0,002
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,257
Score d'incertitude au seuil0,978

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,119
Tête enseignante GPT0,412
Écart entre enseignants0,294 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSchool Choice and PerformanceTravaux en français237 207