L’impact de la connaissance des langues officielles, du niveau de littératie et du pays d’origine sur le risque de surqualification au travail des immigrants canadiens
Notice bibliographique
Résumé
À l’instar du revenu ou du taux d’emploi, le taux de surqualification est un indicateur d’intégration des immigrants sur le marché du travail. Comparativement à la moyenne de l’OCDE, le taux de surqualification au Canada est élevé, mais l’écart entre les immigrants et les natifs est relativement faible. L’objectif de cette recherche est de mesurer l’impact de la connaissance des langues officielles et des compétences en littératie sur le risque plus élevé pour les immigrants d’être surqualifié par rapport aux natifs. Les données canadiennes de l’enquête du Programme pour l’évaluation internationale des compétences des adultes (PEICA) de 2012 sont utilisées. Au total, l’échantillon retenu compte 13 624 cas et représente les 14,5 millions de Canadiens âgés de 25 à 64 ans détenant un diplôme d’études secondaires ou plus qui étaient en emploi au cours de la semaine précédant l’enquête. Les résultats montrent que l’usage des langues officielles et le niveau de littératie ont un impact significatif sur la propension des travailleurs canadiens à être surqualifiés. Le fait de parler une langue non officielle à la maison et le fait d’avoir un faible niveau de littératie sont tous les deux associés à une augmentation de 70 % du risque d’être surqualifié. Bien qu’il existe une relation entre langue et littératie, ces deux types de compétences expliquent une part distincte du risque de surqualification des travailleurs canadiens.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 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 ».