MétaCan
Menu
Retour à la cohorte
Enregistrement W2891194726 · doi:10.3386/w14176

School Competition and Efficiency with Publicly Funded Catholic Schools

2008· preprint· en· W2891194726 sur OpenAlexafffundabout
David Card, Martin Dooley, A. Abigail Payne

Notice bibliographique

RevueNational Bureau of Economic Research · 2008
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueAmerican Constitutional Law and Politics
Établissements canadiensMcMaster University
Organismes subventionnairesMcMaster UniversityOntario Innovation Trust
Mots-clésCompetition (biology)Mathematics educationPolitical sciencePsychologyBiology

Résumé

récupéré en direct d'OpenAlex

The province of Ontario has two publicly funded school systems: secular schools (known as public schools) that are open to all students, and separate schools that are open to children with Catholic backgrounds.The systems are administered independently and receive equal funding per student.In this paper we use detailed school and student-level data to assess whether competition between the systems leads to improved efficiency.Building on a simple model of school choice, we argue that incentives for effort will be greater in areas where there are more Catholic families, and where these families are less committed to a particular system.To measure the local determinants of cross-system competition we study the effects of school openings on enrollment growth at nearby elementary schools.We find significant cross-system responses to school openings, with a magnitude that is proportional to the fraction of Catholics in the area, and is higher in more rapidly growing areas.We then test whether schools that face greater cross-system competition have higher productivity, as measured by test score gains between 3rd and 6th grade.We estimate a statistically significant but modest-sized impact of potential competition on the growth rate of student achievement.The estimates suggest that extending competition to all students would raise average test scores in 6th grade by 6-8% of a standard deviation.

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)0,004
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,331
Score d'incertitude au seuil0,659

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,235
Tête enseignante GPT0,487
Écart entre enseignants0,252 · 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

Citations44
Publié2008
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetAmerican Constitutional Law and PoliticsTravaux en français237 207