MétaCan
Menu
Retour à la cohorte
Enregistrement W4311157060 · doi:10.1080/03075079.2022.2145463

Who borrows, and how much? Student borrowing across post-secondary pathways in Ontario, Canada

2022· article· en· W4311157060 sur OpenAlexaffabout
Roger Pizarro Milian, Trisha Einmann, Danielle Bader, David Walters, Robert S. Brown, Gillian Parekh

Notice bibliographique

RevueStudies in Higher Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCanadian Policy and Governance
Établissements canadiensUniversity of GuelphYork UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHigher educationLinkage (software)EconomicsPoliticsPublic economicsSociologyDemographic economicsPolitical scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

The development of cost-efficient pathways is a topic of increasing political and scholarly interest across many North American jurisdictions. It has been suggested that ‘seamless’ transfer pathways can provide financial savings to both students and taxpayers. However, such claims are typically based on hypothetical cost calculations, as opposed to empirical analysis. Through this study, we model the relationship between student pathways and borrowing behavior in Ontario, Canada – the country’s most populous province – using Statistics Canada’s novel Education and Labour Market Linkage Platform (ELMLP). Our models produce little evidence that touted transfer pathways systematically reduce either (i) students’ propensity to borrow from the Canada Student Loans Program (CSLP), or (ii) the total amount that graduates end up borrowing from the program. We identify the implications of these findings for both policymakers and scholars of social stratification.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,323
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,044
Tête enseignante GPT0,335
Écart entre enseignants0,291 · 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 tête enseignante, 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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStudies in Higher EducationMême sujetCanadian Policy and GovernanceTravaux en français237 207