An Economic Analysis of Children's Behavior and Academic Experiences in Canadian Schools
Notice bibliographique
Résumé
Using a confidential Canadian dataset of children and youth (National Longitudinal Survey of Children and Youth), I have provided empirical evidence of the school performance, bullying behavior, and language immersion of children in four chapters of the Ph.D. thesis. In the first chapter, the academic performance of children of immigrants is compared with that of their classmates of Canadian-born parents. The comparison starts when children are in kindergarten and continues until they grow up to become adolescents. In the second chapter, the bullying behavior of children is explored. This chapter focuses on the identification of causality between parental control and children’s bullying behavior, which is generally under-investigated in the existing literature. First, we build a theoretical model to capture the strategic dependence of children’s bullying behavior and the corresponding parental control. Then, we employ conditional fixed effects logistic estimation to test the theoretical conclusions. The empirical results support our hypothesis that stricter disciplinary measures taken by parents are more effective in deterring the child from bullying when all the other factors are held constant. The causality is carefully justified by making great efforts to account for all possible identification issues. Chapter 3 studies the children’s bullying behavior in a dynamic scenario by answering the question of when is the best time to stop bullying. Results from the semi-parametric propensity score matching suggest that early bullying detection and intervention contributes to a positive suppression effect on it. In the last chapter, we provide empirical evidence on who are in French immersion programs and who are more likely to drop out of French immersion. Results from the two-stage least-squares estimation indicate that children with higher reading ability are more likely to enter French immersion programs. Both simple logistic estimation and duration analysis
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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 ».