Modèles économétriques de remboursement de prêts étudiants au Canada
Bibliographic record
Abstract
Six mois après avoir mis fin à leurs études, complétées avec succès ou non, les ex-étudiants sont tenus de rembourser leurs prêts d’études. Une majorité d’entre eux rembourseront la totalité de leurs prêts sur une période de 10 ans. D’autres connaîtront des difficultés à respecter leur engagement. Dans cette étude nous profitons d’une base exceptionnelle de données individuelles sur les prêts d’études au Canada pour étudier les déterminants des remboursements ou non des prêts et la durée avant le remboursement complet. Les résultats économétriques montrent l’importance de terminer ses études dans les temps requis à la fois pour éviter de faire défaut et aussi pour accélérer la période de remboursement. Une politique à envisager serait de gommer une partie des prêts lorsque l’étudiant complète ses études dans les temps requis. L’autre résultat est que le programme du report des intérêts n’a pas semblé très efficace pour faciliter le remboursement des prêts d’études pour la cohorte 1990-1991 étudiée. Finalement, un programme trop généreux de prêts d’études sans mise en garde sur les risques encourus par les étudiants d’investir dans certains programmes, notamment ceux opérés par le secteur privé, a des effets importants non seulement sur la pérennité du programme des prêts, mais aussi sur les mauvaises décisions de la part des étudiants dans leur choix d’études.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".