MétaCan
Menu
Retour à la cohorte
Enregistrement W4234881295 · doi:10.1002/j.2325-8012.2002.tb00458.x

Education Vouchers, the Peer Group Problem, and the Question of Dropouts

2002· article· en· W4234881295 sur OpenAlexaff
J. Stephen Ferris, Edwin G. West

Notice bibliographique

RevueSouthern Economic Journal · 2002
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSchool Choice and Performance
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésVoucherDropout (neural networks)Equity (law)ExternalityPeer groupPublic economicsDemographic economicsQuality (philosophy)School choiceEconomicsPsychologyPolitical scienceSocial psychologyMicroeconomicsLawAccountingComputer science

Résumé

récupéré en direct d'OpenAlex

This paper extends the analysis of Epple and Romano (1998a, b), who argue that vouchers encourage private schools to “skim the cream off” public schools. Because the education received by students depends on the quality of their classmates, this loss reduces the quality of education received by those remaining in the public system—the peer group effect. In our model, vouchers allow low‐income students to escape the frustration of having to conform to the uniformity of the public school system. Ultimately, the size of the dropout effect relative to the peer group effect is an empirical question. Nevertheless, to the extent that voucher use reduces the student dropout rate, the peer group externality becomes insufficient in itself to prevent reconsideration of a voucher system on equity as well as efficiency grounds.

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)0,034
score de la tête « metaresearch » (Gemma)0,132
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,177

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,132
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,011
Communication savante0,0030,011
Science ouverte0,0020,004
Intégrité de la recherche0,0060,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,277
Écart entre enseignants0,262 · 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

Citations3
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSouthern Economic JournalMême sujetSchool Choice and PerformanceTravaux en français237 207