Intensité du travail salarié et abandon des études universitaires au Canada
Bibliographic record
Abstract
Dans de nombreux pays, les élèves et les étudiants ont augmenté le temps consacré au travail rémunéré durant leurs études. Ils ne travaillent plus uniquement l’été, au moment des vacances, mais aussi pendant l’année scolaire. Les recherches portant sur l’effet du travail salarié sur les parcours scolaires tendent à montrer qu’il existe une relation convexe entre l’intensité du travail salarié et les départs sans diplôme du système scolaire : les taux d’abandon semblent plus élevés pour les étudiants qui ne travaillent pas et pour ceux qui travaillent plus de 25 heures. Cependant, le caractère transversal des données utilisées fait qu’elles ne permettent pas de saisir l’effet causal de la variation du temps de travail sur la poursuite des études. Dans cet article, nous utilisons une méthodologie quantitative longitudinale pour examiner les effets de l’intensité du travail rémunéré sur la persévérance dans le premier programme universitaire suivi au Canada. Les résultats montrent qu’il y a bien une relation causale entre le fait de travailler plus de 25 heures et l’abandon, mais qu’elle est seulement observée pour les hommes, et que cet effet n’est significatif qu’au début du programme. Par ailleurs, l’association avec le fait de ne pas travailler semble s’interpréter davantage comme un effet de sélection.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".