MétaCan
Menu
Retour à la cohorte
Enregistrement W7161989999 · doi:10.82308/23290

Affirmative action and education equity in higher education in the United States and Canada

2017· dissertation· en· W7161989999 sur OpenAlexaboutno aff
Hilal Kuspinar

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineSocial Sciences
ThématiqueLegal Issues in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAffirmative actionDisadvantagedHigher educationEquity (law)Diversity (politics)Context (archaeology)SalientReverse discrimination

Résumé

récupéré en direct d'OpenAlex

In recent years, many of the most contentious debates regarding affirmative action in the United States have taken place on the terrain of universities. Numerous court decisions have examined the extent to which university admissions policies may accord preferences to students from underrepresented and racialized groups. There has been much less litigation in the Canadian context; however, the underlying issue of how to insure equality and inclusion in the face of systemic discrimination is a critical concern. Therefore, the purpose of this thesis is to explore the key legal developments regarding affirmative action initiatives in higher education in Canada and the United States, by highlighting the important differences in the justifications. This thesis will advance and explore two divergent rationales that emerge as salient in affirmative action programs in the United States and Canada. In the American context, diversity is adopted as the main justification for affirmative action programs in universities, as opposed to the Canadian context where it is 'ameliorating the conditions of disadvantaged groups,' that is employed as the key justification for what are called education equity programs. In looking at the experience of each country, this thesis will also examine some of the reasons and ways in which we can understand the different approaches and justifications that have emerged in Canada and the United States in the affirmative action debate.

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)0,007
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,208
Score d'incertitude au seuil0,919

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0400,029
Communication savante0,0160,003
Science ouverte0,0020,006
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,054
Tête enseignante GPT0,454
Écart entre enseignants0,400 · 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'étudeQualitatif
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetLegal Issues in EducationTravaux en français237 207