MétaCan
Menu
Retour à la cohorte
Enregistrement W1852449343 · doi:10.47678/cjhe.v31i1.183382

Family Income and Postsecondary Education In Canada

2001· article· en· W1852449343 sur OpenAlexaffvenueabout
Louis N. Christofides, Jim Cirello Bell Canada, Michael Hoy

Notice bibliographique

RevueCanadian Journal of Higher Education · 2001
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensUniversity of GuelphCanadian Nautical Research Society
Organismes subventionnairesnon disponible
Mots-clésAffect (linguistics)Postsecondary educationAttendanceEconomicsDemographic economicsSubsidyFamily incomeHousehold incomeEducational attainmentHigher educationSocioeconomic statusConvergence (economics)PsychologyEconomic growthSociologyDemographyPopulationGeography

Résumé

récupéré en direct d'OpenAlex

We use data from the Surveys of Consumer Finance (1975-1993) to examine how postsecondary education participation rates have evolved over time and how certain variables may affect them. A number of socio- economic influences are shown to affect participation rates. Beyond these, particularly pronounced trend increases in postsecondary education attendance for children from low-income households have led to a convergence in the participation rates of children from different income groups and a consequent reduction in the regressivity associated with subsidies for postsecondary education. We consider possible reasons for this convergence. Conditioning on a number of other variables, we are particularly interested in the possibility that increases in family real income may have affected the demand for postsecondary education by children from low-income families more than the demand by children from high-income households. We find that, although income does have a statistically significant non-linear influence which can explain much of the cross-sectional difference in attendance at postsecondary institutions, its quantitative effects are not sufficiently strong to account for the convergence over time in participation by children from different family income groups.

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)0,004
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: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,263

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,006
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,007
Tête enseignante GPT0,213
Écart entre enseignants0,206 · 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

Citations85
Publié2001
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Higher EducationMême sujetFinancial Literacy, Pension, Retirement AnalysisTravaux en français237 207