Le rendement privé et social de la scolarité postsecondaire professionnelle, collégiale et universitaire au Québec : résultats pour 2020
Bibliographic record
Abstract
Cette étude calcule, pour le Québec, les taux de rendement privés et sociaux de trois types de scolarité postsecondaire (professionnelle, collégiale et universitaire) pour les femmes et les hommes, et dans divers domaines d’études, en utilisant les données du Recensement canadien de 2021. Les auteurs expliquent que la rentabilité d’une formation de type professionnel pré-collégial (apprenti ou autre formation) est plus élevée que le taux de rendement d’une formation collégiale technique, lequel est lui-même supérieur à celui d’une formation préuniversitaire de niveau collégial. Ils montrent également que les plus hauts taux de rendement privés et sociaux pour les diplômes universitaires (hors médecine) sont associés aux études de 1er cycle et en particulier au baccalauréat. Tandis que les taux de rendement des doctorats en santé sont, eux, nettement supérieurs aux autres. Il est, de plus, fréquent que le rendement privé soit moindre aux 2e et 3e cycles qu’au premier. Les taux de rendement sociaux sont, eux, moins élevés que les taux de rendement privés, essentiellement parce que les frais de scolarité ne couvrent qu’une partie des coûts de l’acquisition par un individu d’une éducation postsecondaire. Enfin, cette étude met également en lumiére que les taux de rendement privés des femmes sont plus élevés que ceux des hommes à partir du DEC technique.
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 | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.007 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".