Effets des systèmes scolaires sur le comportement éducatif individuel
Bibliographic record
Abstract
Cet article analyse les effets des structures scolaires sur les choix éducatifs individuels. Les études internationales montrent qu’il existe une typologie des systèmes éducatifs et que le mode d’organisation de ces systèmes a une incidence sur la production de capital humain. Paradoxalement, c’est dans les pays où il existe une volonté affichée de faire accéder une majorité d’individus à une éducation unique et égale pour tous que cette production de capital humain semble être plus faible. L’explication la plus intuitive de ce paradoxe est que les systèmes éducatifs de tronc commun sont plus contraignants que les systèmes éducatifs constitués de filières parallèles inégales, parce qu’ils imposent à des individus de goûts et d’aptitudes différents une formation identique, générale et abstraite. Cet article se propose donc de modéliser ces deux catégories de systèmes éducatifs de manière à faire apparaître ces différences et d’examiner quels sont leurs effets sur les choix éducatifs individuels. Le résultat essentiel de notre modélisation est que l’organisation en filières d’un système éducatif est plus efficace, en termes de production de capital humain, mais aussi en termes de profits individuels, parce qu’elle est moins coûteuse pour les individus. En effet, un coût supplémentaire, dans le système de tronc commun, provient des contraintes que représentent les niveaux intermédiaires requis, qui obligent tous les individus à suivre une seule et unique trajectoire de répartition de l’effort scolaire sur l’ensemble de leur cursus.
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 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.002 |
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".