MétaCan
Menu
Retour à la cohorte
Enregistrement W2599243668

The Impact of Non-Cognitive Skills Training on Academic and Non-academic Trajectories: From Childhood to Early Adulthood

2014· preprint· en· W2599243668 sur OpenAlexafffund
Yann Algan, Elizabeth Beasley, Frank Vitaro, Richard E. Tremblay

Notice bibliographique

RevueSPIRE (Sciences Po) · 2014
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueIntergenerational and Educational Inequality Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health Research
Mots-clésPsychologyAcademic skillsTraining (meteorology)Cognitive skillCognitionDevelopmental psychologyMedical educationMathematics educationMedicineGeographyPsychiatry
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Non-cognitive skills are closely associated with adult socio-economic success. However, it is unclear whether interventions targeting those skills, rather than cognitive skills, can improve adult outcomes. It is also unclear whether interventions after early childhood can have lasting effects. We show that an intervention focused solely on non-cognitive skills at age 7 can change the lifetime trajectories for children with deficits of non-cognitive skills, increasing self-control and trust in adolescence, improving education achievement, and outcomes in early adulthood such as criminality, education, employment and social capital. We show that improvements in trust and self-control explain much of the impact on education and young adult outcomes, and argue that social skills are an important but neglected aspect of non-cognitive skill development. Using conservative assumptions in a simple framework, we estimate that, as a lower bound, $1 invested in this program yields about $14 in benefits over the lifetime of the participants.

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,050
Tête enseignante GPT0,397
Écart entre enseignants0,346 · 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
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

Citations18
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSPIRE (Sciences Po)Même sujetIntergenerational and Educational Inequality StudiesTravaux en français237 207