Unspoken Words Beyond the Numbers: Lived Experiences of Low Socioeconomic Status Post-Secondary Students
Notice bibliographique
Résumé
Over the past few years, there has been a growing interest amongst education stakeholders and institutional organizations across Canada, to increase access to post-secondary education (PSE) for students from low-socioeconomic status (SES) backgrounds. More specifically, this study sought to understand these dynamics within an Ontario higher education context. Despite low-income students having some degree of access to PSE through the current and past provincial policies (e.g., domestic tuition freezes, slashing university tuition by 10%, access to the Ontario Student Assistant Program; OSAP), education stakeholders have failed to accommodate for these low-income students’ lived experiences (Usher, 2022). These experiences have been cited in the literature for having significant influences on low-SES student learning outcomes, and the overall student integrity and well-being throughout their PSE. Yet, there remains a grave disconnect between stakeholders, organizations, and policy makers, and the low-income students for whom these policies and practices are being designed and implemented. In essence, these entities of authority have forgotten the low-income student voices. By utilizing a phenomenological research approach, this study sought to bridge this gap, and capture the rich accounts of these participants lived experiences through one-on-one interviews. Additionally, this study also sought to understand how these lived experiences shaped these students’ learning outcomes throughout their first year of PSE. By utilizing Social Constructivism theory to inform the findings and construction of a working theory model, this study adds to the literature by exploring how these lived experiences were felt and operationalized as actions amongst these low-income participants. Stakeholders and policy makers concerned with educational persistence and outcomes, can use the findings and recommendations laid out in this study, to help low-income students across a variety of settings and circumstances.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,019 | 0,017 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,002 | 0,014 |
| Intégrité de la recherche | 0,002 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».