MétaCan
Menu
Retour à la cohorte
Enregistrement W2072199858 · doi:10.3138/cpp.39.supplement1.s81

The Role of University Characteristics in Determining Post-Graduation Outcomes: Panel Evidence from Three Canadian Cohorts

2013· article· fr· W2072199858 sur OpenAlexaffvenueabout
Julian R. Betts, Christopher Ferrall, Ross Finnie

Notice bibliographique

RevueCanadian Public Policy · 2013
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensUniversity of OttawaQueen's University
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesArt

Résumé

récupéré en direct d'OpenAlex

À partir des cohortes de l’Enquête nationale auprès des diplômés, nous analysons les revenus des Canadiens détenteurs d’un baccalauréat cinq ans après l’obtention de leur diplôme. Nos résultats montrent qu’il y a un lien important entre les revenus et l’université qui décerne le diplôme, puisque nous observons des corrélations entre les revenus et les caractéristiques des universités fréquentées. Par exemple, le nombre plus élevé d’étudiants de premier cycle, qui entraîne possiblement un enseignement de qualité moins élevée, est lié à des revenus inférieurs. Chez les hommes, mais pas chez les femmes, un ratio professeurs-étudiants plus élevé est lié à des revenus significativement plus élevés. Quand on ne tient pas compte de la majeure des étudiants, qui peut être liée de façon endogène à l’université fréquentée, l’effet des caractéristiques des universités est encore plus marqué. Notons toutefois que les caractéristiques des universités ne sont pas fortement liées à la probabilité d’obtenir un emploi après l’obtention d’un diplôme.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,268
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,059
Tête enseignante GPT0,316
Écart entre enseignants0,257 · 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 tête enseignante, 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

Citations17
Publié2013
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetHigher Education Research StudiesTravaux en français237 207