MétaCan
Menu
Retour à la cohorte
Enregistrement W4400467920 · doi:10.1080/10668926.2024.2369644

Do Transfers into the Community College Sector Graduate at the Same Rate? Evidence from Ontario, Canada

2024· article· en· W4400467920 sur OpenAlexaffabout
Roger Pizarro Milian, David Zarifa, Yujiro Sano

Notice bibliographique

RevueCommunity College Journal of Research and Practice · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensNipissing UniversityUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCommunity collegeGraduate studentsSociologyPolitical sciencePsychologyPedagogyMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

The overwhelming majority of studies on transfer students have compared the outcomes of vertical transfer students (college-to-university) relative to “native” counterparts, referring to those that directly enter universities from high school and remain within them throughout the course of their studies. In turn, scholars have devoted only minimal attention to the outcomes of students that travel variable pathways into the community college sector (e.g. university to college). Through this study we attempt to correct such imbalance in the existing literature, leveraging various administrative files in Statistics Canada’s Education and Labour Market Linkage Platform (ELMLP) to analyze the pathway-based disparities in graduation rates among those students traveling various routes into the Ontario community college sector. Our logistic regression models reveal that students who transfer into the community college graduate at a rate that is 22 to 27% points lower than direct entries, and that these differences persist even after we control for student traits (e.g. age, sex), field of study, parental income, and familial characteristics (e.g. size, structure). Based on the observed findings, we theorize plausible mechanisms that could be suppressing the success of transfers into the community college sector and identify a series of potential strategies to ameliorate this situation.

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)0,002
score de la tête « metaresearch » (Gemma)0,011
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,980
Score d'incertitude au seuil0,144

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,005
Études des sciences et des technologies0,0030,002
Communication savante0,0020,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,274
Tête enseignante GPT0,482
Écart entre enseignants0,208 · 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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCommunity College Journal of Research and PracticeMême sujetHigher Education Research StudiesTravaux en français237 207