MétaCan
Menu
← Back to cohort

Numéro 43 - septembre 2006

2018· article· fr· W4244826277 on OpenAlexaboutno aff
Fredérić Docquier, Abdeslam Marfouk

Bibliographic record

VenueRegards économiques · 2018
Typearticle
Languagefr
FieldHealth Professions
TopicHealthcare Systems and Practices
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Contexte. Au cours des derniers mois, de plus en plus de personnes (politiciens, journalistes et syndicalistes par exemple) se sont émus des politiques d’immigration sélectives mises en place dans plusieurs pays industrialisés. En France, ce type de politique est notamment préconisé par Nicolas Sarkozy (politique d’immigration choisie). L’indignation suscitée par ces politiques tient au fait que l'exode des cerveaux est souvent perçu comme un facteur d'accroissement des inégalités entre pays riches et pauvres. Il convient toutefois de souligner que, dans certains cas, ces politiques sont simplement un moyen de faire face à l’exode de cerveaux, souvent très qualifiés, dans les pays industrialisés eux-mêmes. Ce problème se rencontre de manière sévère au Canada, au Royaume Uni et dans plusieurs pays de l'Union européenne. En règle générale, l'exode des cerveaux pose problème sur le plan économique car il engendre une réduction du niveau de capital humain moyen des travailleurs dans les pays sources. Le capital humain (mesuré souvent par la proportion de diplômés au sein de la population active ou par le nombre moyen d’années d’étude des travailleurs) étant considéré comme un facteur majeur d’innovation et/ou d’adoption technologique, l'émigration des talents constitue un frein potentiel à la croissance et à la compétitivité. Dans le numéro 43 de Regards économiques, nous mesurons l’ampleur du problème au niveau européen en dressant un bilan synthétique de la position de l’UE15 (Union européenne à 15 membres) dans ses échanges mondiaux de main-d’œuvre qualifiée. Nous discutons ensuite les enjeux de politique économique. Mesurer les pertes européennes. Malgré l’importance croissante qu’on lui reconnaît, peu d’études ont jusqu’à présent permis de cerner avec précision l’ampleur du phénomène de la fuite des cerveaux. S’appuyant sur une nouvelle base de données construite en partenariat avec la Banque Mondiale (Docquier et Marfouk, 2006), nous montrons qu’au total, la perte nette de l’UE15 s’élevait à 150.100 diplômes supérieurs en 2000, soit 0,1 % de la population de UE15 âgée 25 et plus. Ce bilan contraste avec l’important gain net observé dans les grandes nations d’immigration (5,4 % pour les Etats-Unis, 10,7 % pour le Canada et 11,3 % pour l'Australie). Dans ce processus, quelques pays européens sortent gagnants, tels la Suède, le Luxembourg, la France ou la Belgique. Les principaux perdants nets sont l'Irlande, la Grèce, le Portugal, le Royaume Uni et l’Italie. Ces chiffres appellent deux commentaires : Qualitativement, ce bilan européen faiblement déficitaire peut être considéré comme minimaliste. L’UE15 compense ses pertes vis-à-vis des autres nations industrialisées par des entrées en provenance de pays moins avancés (notamment les pays africains). Or, les études empiriques internationales récentes montrent que cette substitution n’est pas neutre : en moyenne (et sauf professions particulières), le niveau de compétence associé aux diplômes acquis dans les pays moins avancés est inférieur à celui des natifs. Enfin, si l’on restreint l’analyse au niveau des qualifications très élevées, génératrices d’innovation et de croissance (ex : les diplômés en sciences et technologies), le déficit européen devient béant. A long terme, cette émigration hautement qualifiée met en péril les performances européennes en matière de recherche et développement et risque de menacer la position européenne sur l’échiquier économique mondial. Quelle politique économique ? De manière générale, deux grands axes de politique économique sont envisageables pour atténuer ce déficit. Le premier consiste à sélectionner davantage les immigrants. Certains pays tels que l'Allemagne et l'Italie (politiques de green cards) et, plus récemment, la France (politique d'immigration choisie) s'engagent progressivement sur cette voie. Ceci revient à "faire payer" le déficit structurel européen par des nations plus pauvres, déjà victimes d’un lourd déficit de qualification. De plus, cette politique n’offre aucune garantie de réussite tant il est difficile d’infléchir les choix naturels de destination des migrants qualifiés, sensibles aux facteurs institutionnels, aux primes de qualification, à la langue et à la présence de réseaux de compatriotes installés. Le second axe consiste à définir une politique de recherche plus ambitieuse (notamment dans le secteur de la recherche fondamentale), offrant un environnement incitatif, des salaires et des perspectives de carrière intéressantes aux chercheurs. C’est d’ailleurs l’axe qu’a défendu Jack Lang dans une récente interview sur France Télévision. Loin de vouloir minimiser l'apport de travailleurs qualifiés sur les économies d'accueil, cette deuxième voie peut s'avérer plus efficace (absence de coût d'assimilation des migrants, information parfaite sur la valeur des diplômes, meilleure allocation des ressources humaines de la nation). Très vraisemblablement, elle s'avère plus équitable et plus en accord avec la politique générale de coopération et de développement : en minimisant les ponctions de capital humain sur les pays plus pauvres, elle évite un accroissement des inégalités entre nations.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.002
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesInsufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: Not applicable
GenreCandidate signal: Other · Consensus signal: Other
Teacher disagreement score0.517
Threshold uncertainty score0.689

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.002
Meta-epidemiology (narrow)0.0020.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0020.002
Science and technology studies0.0020.001
Scholarly communication0.0090.003
Open science0.0020.004
Research integrity0.0020.002
Insufficient payload (model declined to judge)0.5170.383

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.

Opus teacher head0.127
GPT teacher head0.457
Teacher spread0.330 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

Study designNot applicable
Domainnot available
GenreOther

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".

Quick stats

Citations0
Published2018
Admission routes1
Has abstractyes

Explore more

Same venueRegards économiques→Same topicHealthcare Systems and Practices→French-language works237,207→