It Takes a Village to Reduce Recidivism: Examing Ex-Offenders DEI & Belonging in Higher Education
Notice bibliographique
Résumé
Objective #1: Highlight the benefits of DEI and belonging in Higher Education for previously incarcerated individuals: Introduce Case study- Michelle Jones and Harvard university: From Prison to Ph.D. Counterfactual thinking is a concept that involves the human tendency to create alternatives to life events that have already occurred; something that is contrary to what happened. “If she hadn’t committed the crime would be a sure candidate.” Linking Recidivism to the lack of education: 48% of incarcerated people who participate in higher education opportunities are less likely to recidivate than those who do not. Objective #2: Present Research and Theories of Recidivism to advance the normalcy of DEI& B for ex-offenders in Higher Education settings: Labeling Theory- Marxists effectively developed labelling theory so it would recognize the social and political structures in which labels are created and adhered to classify people. General Systems Theory (GST)- It is argued that general systems theory (GST) reveals important insights into criminal justice structures and functions. Specifically, it is argued that the criminal justice system processes “cases” rather than people. There are four basic elements to the systems model: output, process, input, and feedback. Goffman’s Stigma Theory (GST)- A Canadian sociologist Erving Goffman, the term 'stigma' describes the 'situation of the individual who is disqualified from full social acceptance'. Objective #3: Interactive discussion activity: Hearing from the village Gathering solutions to DEI&B in Higher Ed. Split audience into 4 groups using the Random Sampling method to advise the previously incarcerated individual looking to pursue higher education. Understanding social cubism- examining 6 sides of the issue to find a resolution. (Example: I am Financial Support: I have a Pell Grant available starting July 1, 2023) University Support Community Support State Support Federal Support.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».