Confronting educational inequality : reframing, building understanding, and making change
Notice bibliographique
Résumé
Part I: Reframing William G. Tierney and Kristan Venagas, Cultural Ecology of Financial Aid Decision Penny A. Pasque, Seeing More of the Educational Inequalities Around Us: Visions Toward Strengthening Relationships Between Higher Education and Society Edward P. St. John, Students' Voices and Graduate Choices: The Role of Finances in the Lives of Low-income, High-achieving Students of Color Part II: Building Understanding Laura W. Perna, Michelle Asha Cooper, and Chunyan Li, Improving Educational Opportunities for College Students Who Work Masamichi Inoue and Terry G. Geske, Seeking Educational Opportunity: Desegregation of Higher Education and the TOPS Scholarship in Louisiana Amy S. Fisher, Valuation of Higher Education: An Examination of Possible Explanations in Privatization Ontario S. Wooden, Guidance Counselors as Reproductive Forces in the Lives of African American Students: A Study of a Georgia High School Part III: Making Change Luis Miron, Activist Research, Post Katrina: One Tool for Renewal Kimberley Kline, Professional Development in Student Affairs: From Learning About Diversity to Building Just Communities Edward P. St. John and Shouping Hu, Chapter Reform, Scholarship Guarantees, and College Enrollment: A Study of the Washington State Achievers Program Part IV: Conclusions Edward P. St. John, Contending with Inequality: Lessons Learned.
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 | 0,002 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».