Le lien entre les compétences en numératie et les rendements sur le marché du travail au Québec
Notice bibliographique
Résumé
The objective of this study is to estimate the relationship between numeracy skills measured in adulthood and workers' earnings in Quebec. To do so, we use confidential microdata from the Program for the International Assessment of Adult Competencies (PEICA) and the Longitudinal and International Adult Survey (ELIA). This research is primarily descriptive. First, we draw a socio-economic portrait of individuals according to their level of numeracy skills. Second, we measure the wage returns to numeracy skills in Quebec. Our results suggest that for active workers in the Quebec population, a one standard deviation increase in numeracy skills is associated with an average 21% increase in wages, a figure slightly higher than that estimated for the rest of Canada. We also document in detail the variations in these returns for adults with different socio-demographic characteristics. Specifically, we estimate wage returns to numeracy skills by age, gender, country of birth, parental education, industry and type of worker. Finally, in a third step, we assess the extent to which differentials in numeracy skills can explain wage gaps between men and women. Our results suggest that disparities in numeracy skills between these two groups can explain a significant portion of the gender wage gap. Indeed, nearly half of the gender wage gap is attributable to differences in numeracy skills. Compared to men, only 7.1% of women aged 16 to 64 in Quebec have high or very high numeracy skills compared to 14.3% of men. L’objectif de cette étude est d’estimer la relation entre les compétences en numératie mesurées à l’âge adulte et la rémunération des travailleurs au Québec. Pour ce faire, nous utilisons les micros données confidentielles du Programme pour l’évaluation internationale des compétences des adultes (PEICA) et celles de l’Enquête longitudinale et internationale des adultes (ELIA). Cette recherche est principalement descriptive. Dans un premier temps, nous dressons un portrait socioéconomique des individus selon leur niveau de compétences en numératie. Dans un deuxième temps, nous mesurons les rendements salariaux des compétences en numératie au Québec. Nous résultats suggèrent que pour les travailleurs actifs de la population québécoise, une augmentation d’un écart-type des compétences en numératie est associée à une augmentation moyenne de 21 % du salaire, un chiffre légèrement supérieur à celui estimé pour le reste du Canada. Nous documentons également en détail les variations dans ces rendements chez les adultes ayant des caractéristiques sociodémographiques différentes. Concrètement, nous estimons les rendements salariaux des compétences en numératie selon l’âge, le sexe, le pays de naissance, le niveau d’éducation des parents, le secteur d’activité et le type de travailleurs. Finalement, dans un troisième temps, nous évaluons à quel point les différentiels de compétences en numératie peuvent expliquer les écarts salariaux entre les hommes et les femmes. Nos résultats suggèrent que les disparités de compétences en numératie entre ces deux groupes peuvent expliquer une part importante des écarts de salaire entre les sexes. En effet, près de la moitié de l’écart salarial entre les hommes et les femmes est attribuable aux différences de compétences en numératie. Comparativement aux hommes, seulement 7.1 % des femmes de 16 à 64 ans au Québec ont un niveau de compétences en numératie élevé ou très élevé comparativement à 14.3 % des hommes.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».