L’inadéquation éducation-emploi et son impact sur les revenus chez les travailleurs canadiens
Bibliographic record
Abstract
Dans ce texte, nous brossons un portrait de la surqualification professionnelle au Canada en traitant de sa fréquence et de ses répercussions sur la rémunération des travailleurs. La surqualification des travailleurs est une question largement étudiée dans la littérature, ce qui témoigne bien de l’importance du phénomène autant pour les décideurs des politiques publiques que pour les individus. Les données de l’Enquête nationale auprès des ménages (ENM) de 2011 indiquent que le pourcentage de travailleurs canadiens qui étaient surqualifiés dans leur emploi était de 26 % en 2011, soit presque le même taux enregistré en 2006. Ce taux varie significativement selon le niveau d’études (40 % chez les titulaires d’un baccalauréat, 18,3 % pour les diplômés d’études secondaires) et le domaine d’études (49 % en histoire, 27 % en bibliothéconomie). Au chapitre des revenus, les travailleurs surqualifiés gagnent moins que leurs collègues qui ont le même niveau de scolarité, mais qui occupent un poste qui correspond à cette scolarité. Toutefois, par rapport aux travailleurs qui possèdent le niveau d’études habituellement requis, les plus scolarisés (c’est-à-dire ceux qui sont surqualifiés) gagnent plus.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".