Selektiivisestä yliopistosta valmistumisen vaikutus alku-uran tuloihin teknillisellä alalla
Bibliographic record
Abstract
Koulutuksen laadun vaikutuksia yksilöiden työmarkkinatulemiin on tutkittu maailmalla paljon, mutta Suomessa aihealueen tutkimus on toistaiseksi ollut vähäistä. Tutkielma pyrkii paikkaamaan tätä aukkoa tutkimalla asiaa Suomen teknillisten yliopistojen saralla. Käytännössä tarkastellaan eroavatko selektiivisestä metropolialueen teknillisestä yliopistosta valmistuneiden alku-urien tulot muista teknillisistä yliopistoista valmistuneiden tuloista. \n\nTutkimuskysymyksen tarkasteluun käytetään aineistoa, joka muodostuu vuosina 2000 2004 DIA-yhteishaussa hakeneista sekä heidän tulotiedoistaan vuoteen 2012 asti. Se sisältää yhteensä 223628 valintaryhmä hakukohde vuosi-havaintoa. Käytössä oleva aineisto mahdollistaa tutkimuskysymyksen tarkastelun käyttäen fuzzy regressioepäjatkuvuusmenetelmää (FRD). Siinä hyödynnetään selektiivisen yliopiston sisäänpääsyrajoilla esiintyvää epäjatkuvuutta kyseisestä yliopistosta valmistumisen todennäköisyydessä. \n\nSaatujen tulosten perusteella selektiivisestä yliopistosta valmistumisen tulovaikutukset ovat suuria (noin 20%) ja positiivisia, mutta eivät tilastollisesti merkitseviä. Verrattuna muihin pohjoismaisiin tutkimustuloksiin saatu preemio on erittäin suuri, mutta toisaalta yhdenpitävä siinä suhteessa, ettei se ole tilastollisesti merkitsevä. \n\nErot muihin pohjoismaisiin tutkimustuloksiin saattavat selittyä sillä, että tutkielma on ensimmäisiä, jossa koulutuksen laadun vaikutuksia tutkitaan alan sisällä. Muita mahdollisia syitä ansiopreemion suuruuteen on esimerkiksi se, että selektiivisestä teknillisestä yliopistosta valmistuneet päätyvät tulosten perusteella muita todennäköisemmin asumaan Uudellemaalle, jossa tuottavuus ja myös tulot ovat muutenkin muuta maata korkeammat. Tulosten perusteella selektiivisestä teknillisestä yliopistosta valmistuneet myös työskentelevät sekä opintojensa aikana, että tulojen havaintohetkellä muista teknillisistä yliopistoista valmistuneita enemmän.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
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; both teacher heads agree on what is shown here.
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".