Community and Voice: Emphasizing Black and Latine Adolescents' Strengths Promotes Identity Alignment, Belonging, and Academic Persistence
Notice bibliographique
Résumé
INTRODUCTION: The present research examined whether Black and Latine adolescents' academic persistence could be promoted through two novel strength-based reflection activities, providing them an opportunity to experience a sense of school belonging and to form meaningful connections between their racial/ethnic identity and their ideal future identity they aspired for. METHODS: A randomized-controlled experiment was conducted in the U.S. with Black and Latine adolescents (n = 278, including 134 girls and 117 boys, M = 14.05 years old). Academic persistence was assessed by examining two markers: how much adolescents were engaged in school, as well as how much they interpreted school difficulties as indicating the importance of school. RESULTS: Black and Latina girls assigned to the 'community resourcefulness reflection' who were invited to reflect on strategies and advice from their racial/ethnic communities (vs. their peers who were not) saw their racial/ethnic and ideal career identities as more aligned, which in turn was associated with increased academic engagement and increased likelihood of interpreting school difficulties as indicating school importance. Moreover, Black and Latine adolescents assigned to the "voice reflection" who were invited to reflect on how their voice could play a powerful role in spaces where they are underrepresented (vs. their peers who were not) reported more school belonging, which in turn was associated with increased academic engagement and increased likelihood of interpreting school difficulties as indicating school importance. CONCLUSIONS: These findings indicate that approaches focused on racial/ethnic strengths foster positive identity connections, school belonging, and academic persistence for adolescents of color.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».