Are South African children on track for early learning? Findings from the South African Thrive By Five Index 2021 Survey
Notice bibliographique
Résumé
Abstract We report on a national South African multistage cluster sampling survey of early development in 5,222 children aged 50-59 months enrolled in preschool programmes. Children were assessed on the Early Learning Outcomes Measure (ELOM 4&5), the ELOM Social-Emotional Rating Scale, and linear growth (height-for-age), in the last quarter of 2021. ELOM 4&5 is standardised for South Africa and measures development in five domains: Gross Motor, and Fine Motor Development, Numeracy and Mathematics, Cognition and Executive Functioning, and Literacy and Language skills. Cut scores are used to classify children as On Track, Falling Behind, or Falling Far Behind expected developmental standards. Post-survey weights were computed, permitting us to interpret results as representative of children attending early learning programmes. Only 45.7% of the sample were On Track overall. Apart from Literacy and Language (54.7%), no other domain exceeded 50% On Track. Children who were better off socio-economically achieved higher scores (except for Gross Motor Development). Height-for-age measurements revealed a stunting rate of 5.1%, (>8.8% in one province). A mixed linear model analysis showed that age, sex, quintile, growth status, and socio-emotional score were significant predictors of the total ELOM 4&5 score, with growth status and quintile being stronger predictors. The results indicate concerningly poor preparedness for school. Two further surveys prior to 2030 will be undertaken and used to establish the country’s progress toward meeting Sustainable Development Goal 4.2: “all girls and boys have access to quality early childhood development, care and pre-primary education so that they are ready for primary education”.
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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».