Une analyse de lâemploi et du salaire des diplômés universitaires en Chine à leur entrée sur le marché de travail
Bibliographic record
Abstract
Ce mémoire a pour objectif de comprendre la situation de l’emploi et le salaire pour les diplômés universitaires en Chine à l’entrée du marché de travail pendant les dernières années. Après la revue de littérature, nous avons supposé trois hypothèses sur la compétence personnelle basée sur la théorie du capital humain. \n\nDans cette recherche, les données retenues proviennent de deux sources : (1) les canaux officiels, y inclus les rapports diffusés et les statistiques publiées par le ministère de l’Éducation ou le Bureau national des Statistiques en Chine. (2) les canaux non gouvernementaux, soit les institutions d’enquêtes indépendantes et les organisations académiques en Chine. \n\nNos résultats d’observation nous permettent de constater que les diplômés chinois sont exposés à une vive concurrence dans un marché où l’offre de travail y est excédentaire. Les caractéristiques personnelles, la qualité de l’enseignement, le niveau de scolarité et la discipline d’étude, peuvent affecter dans une certaine mesure l’emploi et le salaire de départ. \n\nFinalement, nous concluons ce mémoire avec des propositions de pistes de solution aux caractéristiques chinoises qui visent à réduire la difficulté d’emplois des diplômés.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.006 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.032 | 0.004 |
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".