Cost of research and education activities in US colleges - scalability, complementarity, and heterogeneous efficiency
Notice bibliographique
Résumé
Abstract Universities in the United States are remarkably diverse in their efficiency, both in terms of research output and educational achievement. Recent work has highlighted how important this heterogeneity is by showing that different broad categories of institutions demonstrate different scaling relationships for various features as a function of the number of students. These differences in scaling relationships reflect differences in organizational goals, constraints, and strategies. In the existing literature, this heterogeneity is under-explored and often ignored due to the lack of appropriate data and methodological limitations. In this paper, we address this problem by exploiting a newly consolidated dataset and adopting a neural-network based method to infer cost functions for universities. Our analyses reveal (1) the specific economy of scale in two distinct output types (education and research), (2) the nature of the trade-off between research and education efficiency, and (3) significant efficiency differences across universities. Particularly, we show that while both research and education outputs generally exhibit an economy of scale, their scalability largely depends on their size and other institutional characteristics. Similarly, research and education activities are complementary to each other (economy of scope) only in some situations, particularly when the scale of production is small to medium. Consequently, the cost isoclines of universities are highly non-convex, implying the possibility of multiple optima that may explain the diverse strategies universities adopt, and potential efficiency gains from specialization. It also suggests that some basic assumptions of microeconomic models may not be empirically supported.
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 | 0,003 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».