Les diplômés qui reviennent dans leur département d’origine : ce que le territoire dit de l’influence d’un capital social
Bibliographic record
Abstract
Le propos est d’étudier, pour la France métropolitaine, les conditions d’un retour, en début de vie active, au département de résidence au Bac, pour les jeunes l’ayant quitté au cours de leurs études supérieures. En particulier, la mobilisation d’un capital social local et la variabilité territoriale de son usage est questionnée. Les données couplées proviennent des enquêtes Génération 2004 et 2010 du Céreq et sont enrichies de données départementales concernant l’offre de formations supérieures et le dynamisme économique. Les ressorts de la mobilité d’études font l’objet de modélisations multiniveau, alors qu’un modèle Probit Bivarié avec sélection est appliqué pour la mobilité de retour. La mobilité d’études apparaît positivement liée à l’expérience passée de la mobilité résidentielle et à la dotation du département en matière d’offre de formations supérieures : les bacheliers les plus éloignés des grandes aires urbaines sont les plus mobiles. Les retours peuvent s’expliquer par des mobilités d’études plus contraintes comme cela transparaît pour les bacheliers des départements éloignés des grandes agglomérations et résidant dans des petites communes. Des indices de mobilisation d’un capital social local associé aux mobilités de retour se dégagent pour les diplômés issus de communes éloignées des grandes aires urbaines. Il s’agit plus souvent de jeunes partis moins loin et moins longtemps en accord avec l’idée qu’ils préservent ainsi plus facilement leur capital social local.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 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".