MétaCan
Menu
Retour à la cohorte
Enregistrement W2127475749

Do Dropouts Drop Out Too Soon? Evidence from Changes in School-Leaving Laws

2003· preprint· en· W2127475749 sur OpenAlex
Philip Oreopoulos

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2003
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinancial Literacy, Pension, Retirement Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEarningsDrop outEconomicsDropout (neural networks)Norm (philosophy)School dropoutDemographic economicsActuarial scienceLabour economicsLawPolitical scienceAccounting
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Abstract: This paper investigates if decisions to leave school early are sub-optimal, and whether would-be-dropouts benefit from policies, such as a minimum school leaving age, that oblige them to continue. I use changes in minimum school-leaving laws in Great Britain and Ireland, which were remarkably influential, to measure pecuniary and nonpecuniary gains from education. I find, similar to previous tudies, students compelled to take an extra year of school experienced an average increase of 12 percent in annual earnings. I also find significant gains from education to health, leisure and labor activities, and subjective measures of well-being, which hold up against a wide array of specification checks. Comparing these estimates with intertemporal models of educational choice, the main conclusion of this paper is that it is very difficult to explain early school leaving decisions without the presence of time inconsistent preferences, misguided expectations, or disutility from identifying with a social group that considers dropping out the norm. To prefer dropping out early, the one-year cost from attending school would likely have to exceed a dropout’s maximum lifetime annual earnings by a factor of at least five.

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.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,211
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
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 Opus0,057
Tête enseignante GPT0,318
Écart entre enseignants0,261 · 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