Le décrochage scolaire, la performance scolaire et le travail pendant les études : un modèle avec groupe hétérogène
Bibliographic record
Abstract
Le chômage chez les jeunes non qualifiés au Canada est particulièrement élevé et la mondialisation actuelle de l'économie ne fait qu'amplifier le problème. La première source de non-qualification des jeunes travailleurs est l'abandon des études secondaires. Dans cet article, nous prenons en compte l'effet du travail pendant les études sur la probabilité de quitter l'école au secondaire. Contrairement aux autres articles que nous avons réalisés sur le sujet, nous considérons ici la relation décision de quitter l'école et travail pendant les études d'une manière plus complexe à l'aide de l'enquête auprès des sortants de 1991 de Statistique Canada. En effet, nous introduisons une réflexion sur le processus décisionnel qui conduit les étudiants à quitter l'école à l'aide de deux modèles. Dans un premier modèle, l'école est la principale préoccupation de l'individu tandis que dans le second, l'expérience de travail est avant tout privilégiée. Ne sachant pas a priori dans quel modèle un individu spécifique se trouvera, nous utilisons un modèle économétrique afin de déterminer la probabilité qu'un individu se retrouve dans le premier ou le second modèle. Les recherches identifient plusieurs déterminants du décrochage scolaire et différentes politiques qui pourraient être mise en oeuvre par le gouvernement afin de réduire le décrochage scolaire.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".