MétaCan
Menu
Retour à la cohorte
Enregistrement W1542596017

Provincial Returns to Education for 21 to 35 year-olds: Results from the 1991-2006 Canadian Analytic Censuses Files

2011· preprint· en· W1542596017 sur OpenAlexfundaboutno aff
Emanuelle Bourbeau, Pierre Lefèbvre, Philip Merrigan

Notice bibliographique

RevueÉrudit documents and data repository (Érudit Consortium, University of Montreal) · 2011
Typepreprint
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesCanada Millennium Scholarship Foundation
Mots-clésEarningsBachelorHigher educationDemographic economicsWageEconomicsDemographyLabour economicsPolitical scienceEconomic growthSociologyFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

This paper examines the evolution of the returns to education and experience from 1990 to 2005 in Canada and across the provinces. The focus is on the earnings of young adults, age 21 to 35 at the times of the Censuses, classified by very detailed education groups, age and gender. Returns to higher education are very different across provinces and are particularly high in the western part of the nation. Over time, they are quite stable, but they are increasing for females in 2005 relative to 2000 in particular Bachelor’s degree and higher degrees. This is surprising given the very important increase in the supply of well educated females since 1991. These returns can explain partially why so many young women turned to higher education over time. It is also surprising that males have not followed suit, given that the returns are just as high for them as for women. Yet, the returns for university education are much higher than the returns for college or CEGE. Also, returns for trade degrees are much higher for males than for females. The male-female gap in higher education will certainly help to reduce the wage gap between genders, however, public policy must be concerned by the difference between male and female participation in higher education.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,178

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0060,015
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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 Opus0,026
Tête enseignante GPT0,225
Écart entre enseignants0,199 · 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'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

Citations2
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueÉrudit documents and data repository (Érudit Consortium, University of Montreal)Même sujetLabor market dynamics and wage inequalityTravaux en français237 207