Explaining low high school attainment in Northern Aboriginal Communities: An analysis of the Aboriginal Peoples’ Surveys
Bibliographic record
Abstract
Au Canada, le taux d’obtention d’un diplôme d’études postsecondaires chez les Autochtones vivant hors des réserves est d’environ 45 pour cent inférieur chez ceux qui habitent une communauté du Nord (le Nord) par rapport à ceux qui habitent le reste du pays (le Sud). Dans cet article, grâce à des données des éditions 2000 et 2005 de l’Enquête auprès des peuples autochtones, je montre que les bénéfices financiers liés à l’obtention d’un diplôme n’expliquent qu’une faible partie de cetécart Nord-Sud. J’analyse ensuite les facteurs liés aux individus et liés à l’école qui influencent l’obtention d’un diplôme, et mes résultats indiquent que, parmi les Autochtones ayant obtenu leur diplôme durant les périodes couvertes par l’Enquête, ces facteurs permettent d’expliquer de 31 pour cent à 59 pour cent de l’écart Nord-Sud entre les taux de diplomation. De plus, la plus grande partie de cetécart est attribuable à l’habileté à parler ou à comprendre une langue autochtone ou à l’importance accordée par l’école à l’enseignement d’une langue autochtone. En conclusion, je présente les implications que ces résultats peuvent avoir sur l’enseignement des langues autochtones et les programmes scolaires dans le Nord.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".