MétaCan
Menu
Retour à la cohorte
Enregistrement W6987326755

Student Aid Reforms in Quebec: \nIs Changing the Clawback Rate Better \nthan Changing the Base Grant?

2021· article· en· W6987326755 sur OpenAlexaboutno aff

Notice bibliographique

RevueProject Muse (Johns Hopkins University) · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIncentiveLow incomeEmpirical researchWelfareEmpirical evidence
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Nous examinons deux réformes possibles au programme d'aide financière aux études: une réduction de la contribution étudiante ou une augmentation du seuil de revenu à partir duquel cette contribution s'applique. Nous présentons une analyse théorique et empirique des deux options. Nous montrons que toutes les deux réduisent les incitatifs au travail, bien que la réduction de la contribution étudiante ait moins d'impact. La réduction de la contribution étudiante cible davantage ceux dans le besoin, bien qu'elle accorde trop d'aide aux étudiants à revenu trop élevé. Nous estimons ainsi que la réduction de la contribution étudiante, si elle est limitée à un intervalle approprié de revenu, pourrait être la plus sensée. Abstract: We examine two ways through which student financial aid can be reformed: a cut in the rate at which the aid is clawed back with earned income or an increase in the threshold at which this clawback applies. We present a theoretical and empirical analysis of these options. We show that both reduce incentives to work, although the clawback rate does so less. Cuts to clawbacks also deliver a bigger boost to financial aid for those most in need, although they may benefit students higher in the income distribution. We argue that governments might consider a policy that reduces clawback rates, but within a reasonable range of earned income.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,385

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,277 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProject Muse (Johns Hopkins University)Même sujetHigher Education Research StudiesTravaux en français237 207