The Case for an Intersectional Approach to Trauma-Informed Practices in K–12 Schools for Black Girls
Notice bibliographique
Résumé
Abstract Black girls are the only group of girls across the United States disproportionally suspended from school. Studies have documented that disproportionality cannot be explained solely by greater misbehavior among students of color. Instead, discipline disparities are also informed by punitive/inequitable discipline policies and practices, less discussed has been the relationship between childhood adversity and school discipline outcomes at the intersection of race and gender. Examining this phenomenon is important and timely as schools are increasingly providing trauma-informed practices to support socioemotional learning. Yet doing so without data-driven practices rooted in an understanding of disproportionate adversity may render these practices insufficient for Black girls. Thus, this study asks, what types of childhood adversities do Black girls have the greatest risk of experiencing? Using 2016–2019 data from the National Survey of Children’s Health (N = 63,674), risk ratios and Pearson’s chi-square test of independence were performed to determine across-race and within-gender group differences by the type of childhood adversity. Analyses demonstrated that Black girls had a greater risk for six out of nine adversities compared with other girls of color and seven out of nine compared with White girls.
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 | 0,029 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,015 | 0,017 |
| Communication savante | 0,012 | 0,010 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,003 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 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 ».