MétaCan
Menu
Retour à la cohorte
Enregistrement W2190647588 · doi:10.1353/jef.2015.a596196

The Economic Analysis of University Participation Rates

2015· article· en· W2190647588 sur OpenAlexaboutno aff
George Fallis

Notice bibliographique

RevueJournal of education finance · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEconomics

Résumé

récupéré en direct d'OpenAlex

Over the postwar period in most developed countries, the university participation rate has risen steadily to well over 30 percent, although there remain differences between countries. Students from lower income families have lower participation rates than those from higher income families. The article provides an economic analysis of these patterns of participation using a model of the market for undergraduate education. The demand for undergraduate education is analyzed using a human capital model in which households choose whether to apply to university in seeking to maximize the present value of lifetime income. The supply of undergraduate education is analyzed using a model of universities as non-profit, multi-product organizations that seek to maximize the quality of undergraduate education produced and the quality of research published by faculty members. The production of undergraduate education is a customer-input technology in which the quality of the students, through peer effects, influences the quality of education produced. The long-run supply function depends upon government policies to finance universities. The market equilibrium depends upon government policy on tuition and the availability of qualified applicants to universities. For illustrative purposes, data and public policy from the province of Ontario, Canada, are presented and analyzed. The article argues that the economic analysis of participation rates has overemphasized demand side variables; and that more attention should be paid to the supply decisions of universities and to government policies regarding the financing of universities and the setting of tuition levels.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,361
Score d'incertitude au seuil0,512

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,060
Tête enseignante GPT0,437
Écart entre enseignants0,377 · 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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of education financeMême sujetHigher Education Research StudiesTravaux en français237 207