The Determinants of Education-Job Match among Canadian University Graduates
Bibliographic record
Abstract
Cette étude utilise les données de l'Enquête de suivi auprès des diplômés de la promotion de 2000, réalisée en 2005. L'objectif est d'examiner les déterminants de la correspondance entre le programme d'études complété et l'emploi obtenu par les diplômés universitaires canadiens. D'une perspective de politiques publiques, la question de la correspondance entre les études et l'emploi est pertinente compte tenu de l'importante des moyens investis par la société canadienne dans ses institutions d'enseignement postsecondaire, ainsi que le rôle dévoué au capital humain dans le développement économique. Nos résultats indiquent qu'un diplômé sur trois (35,1 %) est dans un emploi qui n'est pas étroitement lié à ses études. Toutefois, le résultat le plus important est que les caractéristiques démographiques et socio-économiques des diplômés (sexe et background familial) n'affectent pas de manière significative la probabilité d'obtenir un emploi correspondant à ses études. Ce sont les caractéristiques du programme d'études (niveau et domaine) qui influencent fortement cette probabilité. Les diplômés des domaines d'études à caractère spécifique comme la santé et l'éducation sont les plus susceptibles d'obtenir un emploi qui correspond à leurs études. En outre, un niveau de scolarité élevé (deuxième ou troisième cycles), ainsi que de bonnes notes, ont un grand effet positif sur la probabilité d'accéder à un emploi en adéquation avec les études. Les caractéristiques de l'emploi affectent également cette adéquation, mais dans une mesure contrastée, avec certaines caractéristiques, comme l'industrie et le travail à temps plein, qui ont un effet significatif, tandis que d'autres, telles que la permanence de l'emploi et la méthode utilisée pour obtenir un emploi, qui n'ont pas d'effet significatif.
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 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".