Who is school fundraising desirable for? Understanding social class differences in parental fundraising
Notice bibliographique
Résumé
This dissertation explores how parents engage with school fundraising in the public education system; specifically, it examines parental fundraising at elementary schools in River North School Division (pseudonym), a large public school division in Winnipeg, Manitoba, Canada. Previous research has shown that fundraising allows parents to engage and hold influence in schools, but it also creates inequities between communities of different socioeconomic status and fundraising capacity. However, few explored the question: Why and how does parental engagement with fundraising differ between elementary schools, especially in the prairie provinces of Canada? This dissertation focuses on four major aspects of fundraising: (1) the relationships parent fundraisers have with administrators and staff at their schools, (2) parents’ motivations for getting involved, (3) the resources parents draw from to be successful, and (4) the barriers parents face in their fundraising efforts. Drawing on the theories of Pierre Bourdieu and Annette Lareau, and using a comparative case study approach, data was gathered by interviewing nine individuals associated with River North Division elementary schools, analyzing over 200 documents related to fundraising in these schools, and using Statistics Canada census data to create community profiles for each school’s catchment. While there were some similarities across all River North schools, clear social class differences in fundraising practices emerged. Parental fundraising is becoming an increasingly normalized way for parents to engage with schools in the highest socio-economic communities, allowing them to generate significantly greater resources for their schools. This dissertation argues that more must be done to ensure that community wealth and parental contributions do not determine what resources and supports students can access in the public education system.
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».