High School Choices and the Gender Gap in STEM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Women who graduate from university are less likely than men to specialize in science, technology, engineering, or math (STEM). We use detailed administrative data for a recent cohort of high school students in Ontario, Canada, combined with data from the province's university admission system to analyze the dynamic process leading to this gap. We show that entry to STEM programs is mediated through an index of STEM readiness based on end-of-highschool courses in math and science. Most of the gender gap in STEM entry can be traced to differences in the rate of STEM readiness; less than a fifth is due to differences in the choice of major conditional on readiness. We then use high school course data to decompose the gap in STEM readiness among university entrants into two channels: one reflecting the gender gap in the fraction of high school students with the necessary prerequisites to enter STEM, and a second arising from differences in the fractions of females and males who enter university. The gender gap in the fraction of students with STEM prerequisites is small. The main factor is the lower university entry rate by men -a difference that is due to the lower fraction of non-science oriented males who complete enough advanced level courses to qualify for university entry. We conclude that differences in course-taking patterns and preferences for STEM conditional on readiness contribute to male-female differences in the rate of entering STEM, but that the main source of the gap is the lower overall rate of university attendance by men.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle