Back to the Basics: Socio-Economic, Gender, and Regional Disparities in Canada's Educational System
Notice bibliographique
Résumé
This study reassessed the extent to which socio-economic background, gender, and region endure as sources of educational inequality in Canada. The analysis utilized the 28,000 student Canadian sample from the data set of the OECD’s 2003 Programme for International Student Assessment (PISA) . Results, consistent with previous findings, highlight the uneven distribution of educational achievement in Canada along socio- economic, gender, and regional lines, and point to the continued necessity of policy to mitigate the impact of gender, class, and regional inequalities on the educational out- comes and life chances of young Canadians. Key words: social inequality, educational outcomes, educational aspirations, SES, cultural capital, PISA Dans cet article, les auteurs se demandent dans quelle mesure le statut socioeconomi- que, le sexe et la region demeurent des sources d’inegalite en matiere d’education au Canada. L’analyse repose sur l’echantillon des 28 000 eleves canadiens tire de l’ensemble de donnees du Programme international pour le suivi des acquis des eleves (PISA) de 2003 de l’OCDE. Les resultats, conformes aux conclusions anterieu- res, mettent en evidence la repartition inegale de la reussite scolaire au Canada selon le statut socioeconomique, le sexe et la region et indiquent la necessite d’attenuer l’impact du sexe, de la classe sociale et des inegalites regionales sur les resultats scolaires et les chances d’epanouissement des jeunes canadiens. Mots cles : inegalite sociale, resultats scolaires, aspirations quant aux etudes, statut socioeconomique, capital culturel, PISA
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».