MétaCan
Menu
Retour à la cohorte
Enregistrement W2899154213 · doi:10.3138/cpp.2016-091

Post-Secondary Student Choices and the Labour Shortage in Canada’s Information and Communication Technology Sector

2018· article· en· W2899154213 sur OpenAlexaffvenueabout
Weili Ding, Steven Lehrer

Notice bibliographique

RevueCanadian Public Policy · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésWorkforceGraduation (instrument)Economic shortageIncentiveInformation and Communications TechnologyInvestment (military)Human capitalEconomicsPoint (geometry)Labour economicsHigher educationBusinessPublic relationsMarketingEconomic growthPolitical scienceEngineeringMarket economy

Résumé

récupéré en direct d'OpenAlex

Employers in Canada’s information and communication technology (ICT) sector often claim that they face a shortage of technical talent. This shortage may arise in part from a sharp decline in undergraduate engineering and computing enrolment and graduation rates in Canada beginning in 2002. Even with a recent reversal in enrolment trends, the number of graduates in these fields remains well below the Organisation for Economic Co-operation and Development average. In this article, we discuss the trade-offs inherent in numerous policies and programs that have been considered in Canada to increase the supply of new graduates in these fields. We suggest that many existing programs are easy to implement and short term in nature but may also have unintended consequences by altering human capital investment decisions. Moreover, many existing policies create incentives that lead to different responses depending on student gender, thereby making it hard to simultaneously reduce labour shortages and boost gender equality in the ICT workforce. We summarize evidence from the economics of higher education literature on student major choice to point to alternative, more long-term policies and programs in which students can learn about their preferences and ability.

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)0,003
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 enseignants0,971
Score d'incertitude au seuil0,210

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0060,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,202 · 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'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetLabor market dynamics and wage inequalityTravaux en français237 207