MétaCan
Menu
Retour à la cohorte
Enregistrement W1486381155 · doi:10.4000/rsa.723

Intensité du travail salarié et abandon des études universitaires au Canada

2011· article· fr· W1486381155 sur OpenAlexaboutno aff
Stéphane Moulin, Pierre Doray, Constanza Street, Benoı̂t Laplante, Canisius Kamanzi

Notice bibliographique

RevueRecherches sociologiques et anthropologiques · 2011
Typearticle
Languefr
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Dans de nombreux pays, les élèves et les étudiants ont augmenté le temps consacré au travail rémunéré durant leurs études. Ils ne travaillent plus uniquement l’été, au moment des vacances, mais aussi pendant l’année scolaire. Les recher­ches portant sur l’effet du travail salarié sur les parcours scolaires tendent à montrer qu’il existe une relation convexe entre l’intensité du travail salarié et les départs sans diplôme du système scolaire : les taux d’abandon semblent plus élevés pour les étudiants qui ne travaillent pas et pour ceux qui travaillent plus de 25 heures. Cependant, le caractère transversal des données utilisées fait qu’elles ne permettent pas de saisir l’effet causal de la variation du temps de travail sur la poursuite des études. Dans cet article, nous utilisons une méthodologie quantitative longitudinale pour examiner les effets de l’intensité du travail rémunéré sur la persévérance dans le premier programme universitaire suivi au Canada. Les résultats montrent qu’il y a bien une relation causale entre le fait de travailler plus de 25 heures et l’abandon, mais qu’elle est seulement observée pour les hommes, et que cet effet n’est significatif qu’au début du program­me. Par ailleurs, l’association avec le fait de ne pas travailler semble s’inter­préter davantage comme un effet de sélection.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesÉtudes des sciences et des technologies, Intégrité de la recherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,008
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,244
Tête enseignante GPT0,419
Écart entre enseignants0,175 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations5
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecherches sociologiques et anthropologiquesMême sujetEmployment and Welfare StudiesTravaux en français237 207