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 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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,010 | 0,052 |
| Communication savante | 0,017 | 0,026 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».