MétaCan
Menu
Retour à la cohorte
Enregistrement W7071582810

Understanding Societal Investments in Children

2023· other· en· W7071582810 sur OpenAlexfundno aff

Notice bibliographique

RevueeScholarship (California Digital Library) · 2023
Typeother
Langueen
DomaineSocial Sciences
ThématiquePoverty, Education, and Child Welfare
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésCash transfersCashControl (management)CertificationConfidentialityTax creditChild support
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The support that society provides to children from low-income families plays a critical role in helping them grow and thrive. This support encompasses a wide range of policies, including increased funding for education and direct assistance to families in the form of cash or in-kind benefits. While it is well established that these forms of support significantly improve child outcomes, questions remain about the most effective strategies for targeting, distributing, and designing programs to maximize the impact of these resources. This dissertation focuses on deepening our understanding of three specific types of social supports for low-income children: education policies that target resources to schools serving low-income students, social policies that provide unconditional cash transfers to low-income families, and policies that focus on improving the environmental conditions of schools. \nFirst, many education policies depend on valid measures of school economic disadvantage. Recent research raises questions about the validity of commonly used free-or-reduced-price-lunch measures, particularly in light of the increasing availability of universal free school meals. The first study links confidential federal tax return data and program participation data housed at the U.S. Census Bureau to examine the validity of several measures of school economic disadvantage. Results suggest that direct certification measures provide the best widely available measure, both over time and across the distribution of school poverty. \nSecond, parental spending on children is important for child development. Using data from a randomized control trial of an unconditional cash transfer to low-income mothers of young children, the second study examines the extent to which the cash transfer is spent on goods directly related to children, relative to other sources of household income. I find that the unconditional cash transfer is more likely to be spent on children than any other household income source, including mothers’ earned income alone. The results suggest that money in the household is differentiated for spending on children. \nFinally, no level of lead is safe in a child’s blood. Moreover, low-income children have higher blood lead levels than non-economically disadvantaged children. Most research and policy has focused on lead abatement in home environments. However, researchers estimate that 73 percent of schools have lead in the drinking water. The third study uses school water lead data linked to education administrative records to estimate a causal effect of school water lead exposure on educational outcomes. The results suggests that water lead exposure may negatively affect students, although the effect is sensitive to model specification. In addition, students’ exposure to lead in schools is curiously correlated with students’ prior achievement, making a causal effect of lead in schools unclear. \nMy dissertation concludes with a discussion of themes and lessons from the three studies for improving social policies to support low-income families.\n

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0040,005
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,260
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship (California Digital Library)Même sujetPoverty, Education, and Child WelfareTravaux en français237 207