Bibliographic record
Abstract
La majorité des auteurs qui s’intéressent à la surqualification la comprennent et l’analysent habituellement comme une situation de suréducation ou de déclassement scolaire. Ce mémoire fait l’hypothèse que le sens qu’accordent les individus au fait d’être surqualifié est beaucoup plus large. Même s’il est raisonnable de croire que la majorité des diplômés espèrent pouvoir obtenir un emploi à la hauteur de leur diplôme, le fait de définir le sentiment de surqualification de façon substantialiste, en ne considérant que le niveau de diplôme obtenu par le travailleur et exigé par l’employeur, semble quelque peu réducteur. Le sentiment de surqualification naît d’un jugement social : il est empirique, contextualisé et dynamique. À la croisée des mesures objectives et subjectives, nous explorons ainsi les facteurs explicatifs du sentiment de surqualification chez les diplômés canadiens à partir d’une analyse statistique des déterminants de ce sentiment dans les premières années qui suivent l’obtention de leur diplôme d’études postsecondaires. Nous montrons d’abord que l’utilisation de compétences en emploi et le lien entre le diplôme obtenu et l’emploi expliquent bien plus le sentiment de surqualification que la suréducation objective. Nous montrons aussi que l’impact du niveau d’utilisation d’une compétence donnée sur le sentiment de surqualification varie substantiellement selon le domaine d’études du diplômé et la nature de cette compétence.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".