Anàlisi dels determinants dels nivells d’escolarització en l’ensenyament postobligatori
Notice bibliographique
Résumé
L’economia balear pateix d’una sèrie de debilitats estructurals sobre les quals convé investigar. Entre elles, figura el baix nivell de formació de la població, a causa de les baixes taxes d’escolarització postobligatòria, tant de l’educació universitària com de la no universitària. En aquest treball analitzem els determinants que in"ueixen en la presa de decisions dels estudiants a l’hora de decidir si realitzar estudis d’ensenyament postobligatori i ens centrarem en els factors subjectius revelats pels estudiants. Els principals resultats de l’estudi revelen el següent. En primer lloc, una immensa majoria dels enquestats (un 95%) manifesten voler seguir estudiant després de l’ensenyament obligatori, fet que contrasta amb les taxes d’escolarització reals observades als 17 anys per a la població balear. En segon lloc, que els alumnes que tenen més probabilitat de seguir estudiant són els que tenen pares amb una certa capacitat econòmica per poder finançar els estudis dels fills, els que estan més ben informats i els que tenen més bons resultats acadèmics. En tercer lloc, només una petita minoria dels estudiants (un 4%) al·leguen tenir problemes econòmics per poder realitzar estudis universitaris.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».