Interruption des études secondaires et postsecondaires au Canada : une analyse dynamique
Bibliographic record
Abstract
Cette recherche présente une analyse des trajectoires dynamiques des individus entre les épisodes d’étude et de décrochage aux niveaux secondaire et postsecondaire. Nous évaluons l’impact des caractéristiques individuelles, du taux de chômage et de plusieurs variables de politique publique sur le taux (risque) de décrochage et sur celui de retourner aux études. Notre recherche se base sur des données de l’Enquête auprès des jeunes en transition (EJET) de Statistique Canada. Nous effectuons une analyse distincte pour les jeunes hommes et les jeunes femmes. Notre étude repose sur un modèle à risques proportionnels multi-états multi-épisodes avec hétérogénéité. Chez les hommes, nos estimations montrent entre autres qu’atteindre l’âge légal pour quitter les études augmente le taux de décrochage au secondaire d’environ 60%. Une augmentation de 10% du ratio entre le salaire minimum et le salaire moyen réduit de 12% le taux de retour aux études secondaires après un épisode de décrochage. De plus, une hausse de 10% des frais de scolarité entraîne une augmentation du taux d’interruption au postsecondaire de 1, 5% ainsi qu’une réduction de plus de 3% du risque d’entreprendre des études postsecondaires chez les hommes. Chez les femmes, une même augmentation des frais de scolarité accroît le risque d’interruption au postsecondaire de 1, 7%.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".