L'effet des particules en suspension et le degré de réussite académique d'enfants d'âge scolaire au Canada
Bibliographic record
Abstract
Les changements climatiques et la pollution sont des thèmes répandus dans la littérature économique. Il est possible de penser aux effets de la pollution de l'air sur la santé tant physique que cognitive, la productivité et la croissance. Les recherches économiques impliquant la qualité de l'air et la productivité s'intéressent principalement aux effets contemporains. \n \nNous savons que la qualité de l’air influence la productivité des travailleurs occupant des emplois demandant une grande concentration. Par exemple, un accroissement de 10 milligrammes par mètre cube de particule en suspension d’une dimension inférieure à 2,5 micromètres (PM2,5) durant une période de douze heures, génère une augmentation de 2,6\\% la probabilité qu’un arbitre de la ligue majeure de baseball commette une erreur durant une partie (Archsmith, Heyes and Saberian, 2018). L’altération des performances cognitives découlant d’une exposition à une piètre qualité de l’air affecte non seulement les travailleurs occupant des emplois axés sur les capacités cognitives, mais aussi les travailleurs occupant des emplois physiquement intensifs (Chang, Zivin, Gross et Neidell, 2016) . Bien entendu, les enfants d’âge scolaire sont aussi affectés par la qualité de l’air. Une réduction de 10\\% des PM2,5 à l’intérieur de la salle de classe lors d’un examen de mathématique permet d’augmenter le résultat à l’examen de 0,34\\% (S.Zweig, C.Ham and L.Avol, 2009). \n \nCe mémoire cherche donc à évaluer la relation entre l’exposition cummulative de long terme aux PM2,5 et le degré de réussite scolaire des Canadiens âgés de 8 à 13 ans. Mais encore, la question fondamentale de ce mémoire est la suivante : est-ce que l’exposition cumulative de long terme aux particules en suspension de dimension inférieure à 2,5 micromètres (PM2,5) a des effets sur les performances académiques en mathématiques d’enfants âgées de 8 à 13 ans au Canada?
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.004 | 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".