Why is ECE enrollment so complicated? An analysis of barriers and co-created solutions from the frontlines
Notice bibliographique
Résumé
• We engaged both parents and staff to understand barriers to ECE enrollment. • We used peer researchers and human-centered design methods. • We identified novel barriers related to outmoded technology. • Peer researchers cocreated eight novel policy/ system solutions for ECE enrollment. Numerous studies have examined the processes parents use in accessing early care and education (ECE) for their children and the barriers parents face to enroll. To our knowledge, previous studies have not engaged both parents and frontline ECE enrollment staff as co-investigators to examine family perspectives and a systems perspective simultaneously. This qualitative study compiled a research team of diverse (family, provider, academic) perspectives combining principles of community-based participatory research (CBPR) and human-centered design in peer-led qualitative interviews ( n = 20), focus groups ( n = 5) with local ECE staff and managers, and several community synthesis and design sessions ( n = 6) with caregivers, ECE staff, and local thought leaders in Cincinnati, Ohio. The goals of the study were to: 1) identify policy-relevant and system-level barriers that keep families with low incomes or families of color from enrolling in high-quality ECE programs and 2) co-design potential policy- and system-interventions or prototypes with parents and local ECE agency partners to overcome these barriers. Nine types of barriers in three categories were elucidated by parents and ECE staff: 1) enrollment barriers such as parents’ lack of awareness of options, excessive and redundant paperwork, outdated technologies used, and lack of transparency paired with poor follow-up communication from ECE staff; 2) practical and logistical barriers such as cost, transportation, and concerns about COVID; and 3) human-factors concerns related to safety, trust, and diversity of ECE environment. Peer researchers co-created eight policy- or system- prototypes or interventions to address these barriers. While our findings suggest that access challenges remain ubiquitous locally, they also demonstrate what is possible when researchers and policymakers intentionally involve targeted users of ECE policy in the designs of those policies and systems.
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 | 0,014 | 0,044 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,004 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».