The evolution of inequality in education - Trajectories and graduation outcomes in the US
Bibliographic record
Abstract
Nous modélisons la distribution conjointe (i) des trajectoires éducatives individuelles, définies par l'allocation du temps (semestres) entre diverses combinaisons d'inscription à l'école avec différentes modalités d'offre de travail et des périodes d'interruption de l'école consacrées soit à l'emploi soit à la production domestique et (ii) des résultats réels d'obtention du diplôme en utilisant deux cohortes de l'enquête longitudinale nationale sur les jeunes que nous suivons de 16 à 28 ans. Nous discutons de l'évolution des effets du revenu familial et des aptitudes, ces dernières étant décomposées en un facteur d'aptitude latente académique (cognitive) et pratique (technique-mécanique) corrélé avec le revenu familial et les variables de contexte. Nous constatons que le différentiel individuel d'aptitude cognitive et technique prévalant à 16 ans augmentait avec le revenu au début des années 80 mais beaucoup moins au début des années 2000. Nous ne trouvons aucune preuve d'une quelconque "inégalité de trajectoire" basée sur le revenu dans l'une ou l'autre des cohortes, après conditionnement sur les capacités. Parmi tous les résultats liés à l'obtention d'un diplôme et à l'inscription, l'obtention d'un diplôme universitaire est le seul pour lequel l'effet du revenu a augmenté entre les années 1980 et le début des années 2000, mais il n'a pas atteint un niveau plus important que l'effet du revenu sur l'obtention d'un diplôme d'études secondaires. Dans les deux cohortes, les capacités cognitives et techniques sont les facteurs dominants mais elles affectent la plupart des dimensions des trajectoires individuelles et tous les résultats d'obtention du diplôme dans des directions opposées. Cependant, le facteur des capacités cognitives a perdu la moitié de son effet sur l'obtention du diplôme universitaire, tandis que l'impact du facteur technique-mécanique a été plus stable d'une cohorte à l'autre.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".