Évaluation de la valeur économique de l’aide financière pour l’éducation supérieure au Québec et en Ontario
Bibliographic record
Abstract
Dans ce rapport, nous proposons une analyse économétrique de la valorisation et de la pertinence des programmes de financement des études supérieures exécutée à partir de deux études basées sur une expérience sur le terrain ("field experiment") menée dans diverses écoles secondaires et cégeps dans quatre provinces canadiennes (Ontario, Québec, Manitoba et Saskatchewan), entre la fin de 2008 et le début de 2009. De façon générale, l’analyse économétrique synthétisée dans ce rapport permet d’évaluer le bien-être généré par une expansion hypothétique des programmes d’aide financière aux études avancées et même de le quantifier financièrement. De plus, l’approche utilisée permet de relier la valorisation d’une même expansion hypothétique à certains facteurs tels que les inégalités de revenu, le niveau d’information sur le marché du travail et la connaissance préalable du système de prêts et bourses. Après avoir présenté un bref sommaire de l’ensemble de la littérature économique traitant du rôle des programmes d’aide financière aux études dans la réduction des inégalités éducatives, et après avoir énoncé les avantages méthodologiques et statistiques d’accéder à des expériences de terrain pour l’analyse des politiques publiques, nous présenterons un ensemble de résultats qui répondent à des questions pertinentes dans le domaine des politiques publiques.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".