Le décrochage scolaire, la performance scolaire et le travail pendant les études : un modèle avec groupe hétérogène
Notice bibliographique
Résumé
Le chômage chez les jeunes non qualifiés au Canada est particulièrement élevé et la mondialisation actuelle de l'économie ne fait qu'amplifier le problème. La première source de non-qualification des jeunes travailleurs est l'abandon des études secondaires. Dans cet article, nous prenons en compte l'effet du travail pendant les études sur la probabilité de quitter l'école au secondaire. Contrairement aux autres articles que nous avons réalisés sur le sujet, nous considérons ici la relation décision de quitter l'école et travail pendant les études d'une manière plus complexe à l'aide de l'enquête auprès des sortants de 1991 de Statistique Canada. En effet, nous introduisons une réflexion sur le processus décisionnel qui conduit les étudiants à quitter l'école à l'aide de deux modèles. Dans un premier modèle, l'école est la principale préoccupation de l'individu tandis que dans le second, l'expérience de travail est avant tout privilégiée. Ne sachant pas a priori dans quel modèle un individu spécifique se trouvera, nous utilisons un modèle économétrique afin de déterminer la probabilité qu'un individu se retrouve dans le premier ou le second modèle. Les recherches identifient plusieurs déterminants du décrochage scolaire et différentes politiques qui pourraient être mise en oeuvre par le gouvernement afin de réduire le décrochage scolaire.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».