MétaCan
Menu
Retour à la cohorte
Enregistrement W2938439621 · doi:10.1111/ecca.12307

What Drives Enrolment Gaps in Further Education? The Role of Beliefs in Sequential Schooling Decisions

2019· article· en· W2938439621 sur OpenAlexaff
Chris Belfield, Teodora Boneva, Christopher Rauh, Jonathan Shaw

Notice bibliographique

RevueEconomica · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensUniversité de Montréal
Organismes subventionnairesEconomic and Social Research Council
Mots-clésSocioeconomic statusConsumption (sociology)PerceptionValue (mathematics)Sample (material)PsychologySocial psychologyVariation (astronomy)SociologyDemographySocial science

Résumé

récupéré en direct d'OpenAlex

We study students’ motives to obtain sixth form and university education in a sample of 885 secondary school students in the UK. At each educational stage, perceptions about the consumption value of education explain a substantial share of the variation in students’ intentions to obtain further education, while beliefs about the monetary benefits and costs are not found to play an important role. Beliefs about the consumption value of university predict not only students’ intentions to go to university but also their intentions to go to sixth form, highlighting the importance of dynamic considerations in the choice. We further document that students’ beliefs about the consumption value of further schooling strongly predict students’ perceptions about how likely it is that they will obtain the necessary grades to proceed to the next educational stage. Differences in the perceived consumption value across gender and socioeconomic groups can account for a sizeable proportion of the gender and socioeconomic gaps in students’ intentions to pursue further education as well as in their perceptions about their own performance.

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)0,012
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 enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,354
Écart entre enseignants0,339 · 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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomicaMême sujetHigher Education Research StudiesTravaux en français237 207