Analyse de la durée de transition École-travail des diplômés universitaires canadiens de 1995
Notice bibliographique
Résumé
Le présent mémoire a pour objectif d'analyser le processus de transition école-travail de récents diplômés universitaires canadiens. A l'aide des données de l’Enquête nationale de 1997 auprès des diplômés de 1995, les facteurs qui favorisent une transition réussie vers le marché du travail seront dégagés. Plus spécifiquement, les déterminants de la durée de transition vers un premier vrai emploi d'un diplômé universitaire canadien seront examinés. Suite à un survol de la littérature sur l'accumulation du capital humain et les transitions école-travail, l'étude se concentre plus particulièrement sur l'analyse de la durée de transition pour les « nouveaux entrants ». Pour ce faire, diverses modélisations de la durée de transition vers le premier emploi sont étudiées. Ces modélisations ont pour fondement l'application de fonctions de survie et de hasard à l'analyse de variables de durée. Dans cette étude, nous poussons plus loin l'analyse de Betts, Ferrall et Fiimie (2000) de la durée de transition vers le premier emploi des diplômés universitaires canadiens en utilisant des méthodes paramétriques et en portant une attention particulière à l'analyse des durées par domaine d'études. Les résultats nous apprennent notamment que les diplômés universitaires masculins réussissent à trouver leur premier « vrai » emploi plus rapidement que les femmes. Les détenteurs d'un doctorat et les étudiants de certains domaines d'études comme l'administration, le génie et la santé sont également plus susceptibles de trouver un emploi rapidement après l'obtention de leur diplôme. Par contre, les programmes généraux d'études en arts en sciences, les beaux-arts et les sciences humaines n'offrent pas la même probabilité de succès. L'analyse nous apprend également que la durée de transition varie sensiblement d'une province à l'autre. L'information tirée de telles analyses de durée pourrait s'avérer très utile dans le choix du domaine d'études et du niveau de scolarité des personnes désirant poursuivre des études universitaires.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 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 ».