Fuite des cerveaux, qualité de l'éducation et politique d'immigration : l'effet sur le capital humain productif
Notice bibliographique
Résumé
Avec la réforme de 1967, la politique d’immigration canadienne est passée d’un système de préférences-pays à un système de points. Ce dernier accorde des points aux candidats en fonction de leur niveau d’éducation mais fait abstraction de la qualité de leur éducation. Cet article s’intéresse au système de points ( h ), au système de préférences-pays ( p ) ainsi qu’à un système comprenant à la fois la quantité et la qualité de l’éducation (appelé « système de points q² »). Il s’intéresse à leur effet sur le capital humain productif moyen du pays d’accueil, (c’est-à-dire le produit de la qualité et de la quantité ou niveau de l’éducation) ou niveau de compétences S , sur celui des immigrants, et celui d’un pays d’origine 1 (2) à qualité d’éducation élevée (faible). Il montre entre autres que i) S est plus élevé dans le système q² que dans le système de points ( S q > S h ), ii) S est plus élevé dans le système de préférences-pays que dans le système de points ( S p > S h ), iii) la supériorité de S dans le système q² par rapport au système de préférences-pays ou vice versa est ambiguë, avec S q > (<) S p si la qualité de l’éducation dans le pays 1 relativement au pays 2 est plus élevée (faible) que le degré de préférence pour les migrants issus du pays 1 relativement au pays 2, iv) une augmentation de la qualité de l’éducation dans un pays d’origine à qualité d’éducation élevée (faible) a un effet positif (ambigu) sur S sous les trois politiques, et l’effet est plus grand dans le système q² que dans le système de points, et v) le passage du système de points au système q² entraîne un gain en capital humain ou gain net de cerveaux pour le pays 1 et une perte ou fuite nette de cerveaux pour le pays 2. Classification JEL : F22, I25, I26, J24.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».