University financial autonomy: case of Canada
Bibliographic record
Abstract
Здійснено аналіз нормативно-правового забезпечення у сфері вищої освіти Канади. Встановлено, що політика у сфері вищої освіти є децентралізованою. Вищу освіту розглядають як ключову сферу державних інвестицій в економічний і соціальний розвиток країни. Виявлено відмінності між провінціями, а саме у сфері законодавчого забезпечення вищої освіти (університети діють відповідно до Закону про сектор вищої освіти, про університетську систему, регулюються окремими законами). Існують специфічні особливості бухгалтерського обліку у провінціях на основі урядового контролю за діяльністю університетів, що впливає на можливість університетів приймати фінансові рішення. З’ясовано, що у провінції Британська Колумбія університети не мають право брати позики, продавати активи, підписувати колективні договори, встановлювати заробітну плату керівному складу або відкривати нові академічні програми без схвалення Уряду. Уряди провінцій визначають розмір фінансової підтримки для закладу вищої освіти, прямо або опосередковано впливають або контролюють університетські рішення щодо рівня оплати навчання. Університетам дозволено збільшувати доходи шляхом стягнення значно більших зборів із іноземних студентів. Основними джерелами доходу канадських університетів є гранти Уряду та плата за навчання, але баланс між ними варіюється залежно від провінції. Розглянуто модель фінансування університетів у провінції Онтаріо. Модель містить три основних компоненти: Базове фінансування набору студентів через Базовий операційний грант (Basic Operating Grant), що має на меті забезпечити рівень стабільності та передбачуваності й дозволяє університетам здійснювати довгострокове планування; фінансування результатів діяльності базується на ключових показниках ефективності Key Performance Indicators (KPIs) (показник питомої ваги випускників, рівень зайнятості впродовж шести місяців і двох років після закінчення навчання); цільові гранти.
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) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.013 | 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".