MétaCan
Menu
Retour à la cohorte
Enregistrement W2879616469 · doi:10.18584/iipj.2018.9.2.5

Indigenous Access to Skilled Jobs in the Canadian Forest Industry: The Role of Education

2018· article· en· W2879616469 sur OpenAlexafffundvenueabout
Ian Graham Cahill

Notice bibliographique

RevueInternational Indigenous Policy Journal · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueMining and Resource Management
Établissements canadiensCanadian Forest Service
Organismes subventionnairesCanadian Forest ServiceU.S. Forest Service
Mots-clésIndigenousGraduation (instrument)Context (archaeology)Demographic economicsLogitIndex (typography)Economic growthSociologyGeographySocioeconomicsPolitical scienceBusinessEconomicsEcology

Résumé

récupéré en direct d'OpenAlex

In this article, the effect of education on the skill level of jobs held by Indigenous people working in the Canadian forest industry is examined. A skill index based on detailed occupation is used as the dependent variable in ordered logit models estimated using data from Statistics Canada’s 2011 National Household Survey (NHS). Results are obtained by gender. In the case of men, for Métis (a specific mixed European and Indigenous culture) and for First Nations living off reserve estimates of the effect of education are similar to those for non-Indigenous people. The estimated effect is lower for those Indigenous people living on reserve, particularly for those whose employment is also on the reserve. Results for women are similar, though often not statistically significant due to the limited sample size. High school graduation appears insufficient to provide access to better jobs, whereas post-secondary education, including trade certificates and community college, is very effective. The article concludes with a suggestion that, while closing the lag in Indigenous rates of high school education is critical, this must provide a gateway to further education. A discussion provides more policy context.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,019
Score d'incertitude au seuil0,141

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,002
Communication savante0,0030,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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 Opus0,013
Tête enseignante GPT0,296
Écart entre enseignants0,283 · 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

Citations1
Publié2018
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueInternational Indigenous Policy JournalMême sujetMining and Resource ManagementTravaux en français237 207