Children’s Socioemotional Strengths in Early Childhood Education (ECE) and Before/After School Care (BASC): A Multilevel Ecological Analysis
Notice bibliographique
Résumé
Background/Objectives: The current study explored how trajectories of children’s socioemotional strengths were explained by school, classroom, and individual differences in the context of licensed early childhood education (ECE), involving preschool and before/after school programming. The predictive role of neighbourhood socioeconomic status (SES) was also explored. Methods: Participants included n = 226 children from 39 classrooms across seven ECE centres in a large city in Canada. Educators completed measures of children’s socioemotional strengths at three time points between January and June 2024. Children’s forward sortation areas (FSA) were also linked with publicly available data on neighbourhood SES from the 2021 census. Four-level multilevel models estimated scores across time, individual, classroom, and school levels. Results: All four levels significantly explained variance in strengths. On average, child strengths improved over the 4.5 months of ECE programming. Random slopes at the individual and classroom level revealed variability in trajectories. Higher neighbourhood SES was associated with higher socioemotional strengths and was not associated with change over time. Conclusions: The findings of this study reveal that child, classroom, school, and neighbourhood factors interact to foster child socioemotional strengths. Thus, targeted and universal programs for promoting socioemotional development in ECE must similarly adopt a multiple levels of analysis perspective.
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 | 0,000 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».