Estimating the Benefit of High School for College-Bound Students
Notice bibliographique
Résumé
Studies based on instrumental variable techniques suggest that the value of a high school education is large for potential dropouts, yet we know much less about the size of the benefit for students who will go on to post-secondary education. To help fill this gap, I measure the value-added of a year of high-school mathematics for university-bound students using a recent Ontario secondary school reform. The subject specificity of this reform makes it possible to identify the benefit of an extra year of mathematics despite the presence of self-selection: one can use subjects unaffected by the reform to control for potential ability differences between control and treatment groups. Further, the richness of the data allows me to generalize the standard difference-in-differences estimator, correcting for heterogeneity in ability measurement across subjects. The estimated value-added to an extra year of mathematics is small for these students – of the order of 17 percent of a standard deviation in university grades. This evidence helps to explain why the literature finds only modest effects of taking more mathematics in high school on wages, the small monetary gain being due to a lack of subject-specific human capital accumulation. Within- and between-sample comparisons also suggest that the extra year of mathematics benefits lowerability students more than higher-ability students. / Les études utilisant des variables instrumentales suggèrent que le bénéfice d’une année supplémentaire de scolarité secondaire est large pour des décrocheurs potentiels. Par contre, nous en savons beaucoup moins à propos du bénéfice d’une même année de scolarité pour les étudiants qui poursuivront des études postsecondaires. Afin de combler ce vide, j’utilise une récente réforme du système d’éducation secondaire ontarien permettant de mesurer la valeur ajoutée d’une année supplémentaire de mathématiques de niveau secondaire pour des étudiants qui iront à l’université. Puisque que la réforme n’affecta que certains sujets, il est possible d’estimer le bénéfice d’une année supplémentaire de mathématiques malgré la présence d’auto-sélection; nous pouvons utiliser les sujets qui n’ont pas été affectés par la réforme afin de contrôler les différences potentielles entre les étudiants du groupe contrôle et ceux du groupe traité. De plus, la richesse des données disponibles nous permet de généraliser l’estimateur des différences en différences, permettant ainsi aux différents sujets de mesurer l’habileté des étudiants de manière hétérogène. La valeur ajoutée estimée d’une année supplémentaire de mathématiques est petite pour ces étudiants – l’effet représentant environ 17 % de l’écart-type des notes universitaires observées. Ces résultats aident à expliquer pourquoi la littérature scientifique trouve que prendre plus de cours de mathématiques à l’école secondaire n’a qu’un impact modeste sur le salaire des individus : le peu de capital humain accumulé dans ces cours expliquerait cet effet modeste. Des comparaisons à l’intérieur et à l’extérieur de l’échantillon suggèrent également qu’une année supplémentaire de mathématiques serait plus bénéfique aux étudiants à habileté ‘faible’ qu’aux étudiants à habileté ‘élevée’.
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 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,000 |
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.
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 ».