MétaCan
Menu
Retour à la cohorte
Enregistrement W2521678736

2013-1 The Changing Determinants of High School Attainment in Rural China

2013· other· en· W2521678736 sur OpenAlexfundno aff
Terry Sicular

Notice bibliographique

RevueEconstor (Econstor) · 2013
Typeother
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of ChinaInternational Development Research Centre
Mots-clésChinaBusinessPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In recent years China has experienced a substantial increase in rural schooling levels and contemporaneous reforms in rural educational policies, including the nationwide adoption of free nine-year compulsory education, the two exempt and one compensation program, and the school consolidation policy. These developments point to the possibility that the determinants of rural education have changed. In this paper we examine empirically the determinants of rural high school attainment between 2002 and 2007. Using data from a nationwide household survey and a multilevel regression model with and without instrumental variables, we estimate the relationship between rural high school attainment and individual, family, and community level variables. We find that the size and significance of household income and other individual and household variables declined, while community characteristics and local public expenditures on schools continued to have a significant impact in both years. When we carry out the estimation using instrumental variables, the coefficients on parental education are no longer significant. We conclude that policy changes plus rapid income growth in rural China has brought about substantial change in the determinants of high school attainment, and that the widely observed correlation between parental and child education may be due to unobserved characteristics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,162
Score d'incertitude au seuil0,322

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,011
Tête enseignante GPT0,267
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconstor (Econstor)Même sujetSchool Choice and PerformanceTravaux en français237 207