Profil d'achevement des apprentis inscrits : qui poursuit, abandonne et termine les programmes?
Bibliographic record
Abstract
Le nombre d'apprentis inscrits au Canada a plus que double entre 1995 et 2007, mais le taux de reussite des programmes d'apprentissage n'a augmente que du tiers. La determination des facteurs lies aux faibles taux d'achevement represente une premiere etape necessaire pour s'assurer que la main d'oeuvre qualifiee d'aujourd'hui sera remplacee a l'avenir. La presente etude repose sur les donnees de l'Enquete nationale aupres des apprentis (ENA) de 2007 et vise a determiner les profils d'achevement des personnes inscrites a des programmes d'apprentissage. Ces profils comprennent la poursuite, l'interruption (ou l'abandon) et l'achevement de ces programmes. L'ENA comprend des renseignements demographiques detailles concernant les antecedents des repondants et les caracteristiques des programmes d'apprentissage. Les resultats montrent que l'achevement des programmes comporte un lien positif avec une gamme variee de caracteristiques demographiques, y compris le fait d'etre marie et d'avoir termine au moins des etudes secondaires avant d'entreprendre un programme d'apprentissage. Les hommes et les femmes ont des probabilites similaires d'achevement. L'achevement comporte un lien negatif avec la duree de la participation au programme d'apprentissage (au dela de la duree normale du programme) et avec le nombre d'employeurs pendant la formation. Le type de formation technique et la presence constante d'un compagnon d'apprentissage ameliore la probabilite d'achevement. Le taux de chomage regional a peu d'effet sur l'achevement ou non d'un programme d'apprentissage. Il existe aussi des differences importantes entre les provinces et les groupes de metiers. Le present document est une version revisee d'un document anterieur publie sous le meme titre (Laporte et Mueller, 2010). Nous remercions le Reseau canadien de chercheurs dans le domaine du marche du travail et des competences (RCCMTC) et Ressources humaines et Developpement des competences Canada (RHDCC) pour le soutien accorde a la presente recherche. Nous aimerions aussi remercier un examinateur anonyme, Grant Schellenberg et Pamela White pour leurs commentaires, ainsi que les participants a l'Atelier sur l'apprentissage de RHDCC et du RCCMTC, qui s'est tenu en janvier 2010 a Vancouver, et de nombreux collegues de Statistique Canada et de RHDCC.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 0.001 |
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".