A Bayesian cohort model for estimating out-of-school rates and populations
Notice bibliographique
Résumé
The out-of-school rate is a critical indicator for monitoring global progress towards universal education. It quantifies the population of children and youth excluded from each level of the education system. As with many education indicators, historical out-of-school reporting has relied exclusively on imperfect administrative data. Recently, the education community has turned to survey data as a supplement to administrative data to overcome its gaps and weaknesses. Producing such consolidated estimates globally in the out-of-school rate context, however, is a challenging task due to the diversity in enrolment patterns, systematic differences in the nature and reliability of administrative and survey-based data, and the heavy presence of invalid administrative observations resulting from enrolment counts that exceed corresponding population estimates. In this paper we introduce a cohort-based Bayesian hierarchical model to address these challenges and produce complete time series of out-of-school rates for 192 countries. The model uses a flexible spline-based process for underlying cohort out-of-school rate curves that are smoothed through cohort progression and over time. Observations are related to these values using a dual likelihood setup where each data source has distinct bias and variance components. The administrative side includes a structure that propagates uncertainty information contained in invalid data to avoid understating uncertainty. Validation exercises and sensitivity analysis suggest that the model is reasonably well calibrated and offers a material improvement over simpler approaches. The model is currently used by UNESCO to monitor out-of-school rates for all countries with available data.
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 | 0,012 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,002 |
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 ».