Essential Policy Intelligence | Conseils indispensables sur les politiques
Notice bibliographique
Résumé
The latest round of the Program for International Student Assessment (PISA) shows statistically significant declines in mathematics scores for most Canadian provinces, and in science and reading scores for many provinces. The PISA background research sheds light on which policies – among many hotly debated approaches – probably do improve student performance. Policies that probably do work: • Pre-primary (early childhood) education improves outcomes among 15-year-old students – especially among socially disadvantaged students. • School autonomy improves outcomes – provided school-level academic results are posted publicly. • Paying secondary school teachers well is associated with better outcomes – clearly evident in a Canada/US comparison. • Subsidizing a sizeable minority of students to attend private schools probably helps explain Quebec’s superior mathematics results – in public as well as private schools. Policies that appear not to work: • If the national student/teacher ratio is already below 20 (as is true in Canada), lowering it further is unlikely to improve outcomes. • Increasing instruction time for mathematics is unlikely, by itself, to improve mathematics scores. This E-Brief benefited from rigorous review by both C.D. Howe Institute analysts and external discussants. I thank Marie-Anne Deussing for her detailed review of the manuscript. Colin Busby and James Fleming contributed editorial advice and organized preparation of the E-Brief.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; un appel candidat d’une seule tête enseignante, 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 ».