Un modèle économétrique dynamique de l’abandon scolaire au Québec et en Ontario
Bibliographic record
Abstract
Dans cette étude, j’analyse les raisons qui expliquent pourquoi le taux d’abandon scolaire québécois est plus élevé que la moyenne nationale et, en particulier, beaucoup plus élevé qu’en Ontario (la province auquelle le Québec se compare tout naturellement). Le modèle économétrique est construit autour de groupes de trois facteurs fondamentaux ; le niveau d’éducation des parents et / ou d’autres caractéristiques familiales, le sexe ainsi que l’hétérogénéité non observée et permet de déterminer jusqu’à quel point le différentiel positif entre le Québec et l’Ontario est d’un niveau normalement attendu, étant donné d’une part les différences de richesse entre les deux provinces et d’autre part la forte corrélation entre l’éducation des parents et des enfants (mesurée dans beaucoup de pays). Les résultats indiquent qu’au Québec, tout comme en Ontario, l’incidence de l’abandon scolaire décroît avec le niveau d’éducation des parents et est moins élevé chez ceux qui ont été élevés dans une famille unie. Au Québec, et contrairement à l’Ontario, l’incidence de l’abandon scolaire est beaucoup plus élevée chez les garçons. Le plus haut taux d’abandon scolaire chez les garçons semble indépendant de la composition familiale. Une analyse des salaires et revenus des jeunes décrocheurs semblent indiquer qu’ils ne sont pas pénalisés lorsqu’on les compare avec ceux qui sont entrés sur le marché du travail après avoir complété leur secondaire. Il semble donc que le faible taux de rendement associé à la diplômation, combiné au niveau relativement élevé du salaire minimum québécois, contribuent à maintenir le taux de décrochage québécois à un niveau particulièrement élevé.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".