Compte tenu des progrès technologiques stimulés par la pandémie, le déficit de compétences continuera probablement de croître, ce qui aura un impact disproportionné sur les personnes de couleur, et cet impact persistera à moins que de nouveaux modèles de reconversion ne soient mis à l’échelle. L’un des programmes de requalification les plus courants dans le domaine de la technologie sont les bootcamps, qui impliquent souvent une formation intensive et rapide adaptée pour répondre aux demandes du marché du travail local.
Alors que le modèle bootcamp crée des opportunités d’acquérir de nouvelles compétences, de nombreux participants, en particulier ceux de couleur, sont confrontés à des obstacles en raison de stratégies de recrutement et de rétention inadéquates, ainsi que de préjugés implicites et explicites dans le processus d’emploi. De plus, la recherche n’a pas encore confirmé si ces modèles augmentent les revenus futurs des participants au programme. Reconnaissant ces lacunes, une organisation basée à Saint-Louis—LaunchCode—a combiné son programme d’éducation avec un programme d’apprentissage dans le but de créer une transition plus efficace et équitable vers le marché du travail, à mesure que les étudiants acquièrent de nouvelles compétences et les appliquent ensuite avec un local. employeur. Dans ce blog, nous explorons l’impact de ce modèle et partageons quelques leçons apprises.
Le programme LaunchCode
LaunchCode offre une programmation flexible où les participants peuvent terminer le programme à temps partiel en environ six mois en suivant des cours du soir. Une fois le programme terminé avec succès et la détermination de l’état de préparation de la main-d’œuvre par le personnel de LaunchCode, les participants peuvent commencer un apprentissage rémunéré à temps plein, qui peut potentiellement conduire à un poste permanent. Cette approche offre aux diplômés de LaunchCode la possibilité de compléter leurs compétences techniques par des compétences non techniques sur le lieu de travail. Il subventionne également le coût du programme d’éducation, le rendant gratuit pour tous les étudiants, une caractéristique qui peut être particulièrement importante pour accroître la diversité.
Alors que les bootcamps et les programmes similaires deviennent de plus en plus courants parmi les programmes d’enseignement non diplômants, en particulier en technologie, peu de recherches ont exploré l’impact de ces programmes sur les résultats économiques. Par exemple, certaines recherches ont exploré l’impact de ces programmes sur l’emploi technologique, mais pas sur les revenus. De plus, pour les recherches qui ont exploré l’impact de ces programmes, il n’est pas clair si les résultats associés sont ou non le produit des cours seuls ou, pour des programmes comme LaunchCode, des apprentissages que ces programmes offrent. Dans la section suivante, nous nous penchons sur les conclusions du programme mené par le Social Policy Institute, en particulier son efficacité à améliorer les résultats économiques des participants.
Impact sur les résultats économiques des étudiants
Des chercheurs du Social Policy Institute ont lancé une enquête à grande échelle sur le programme qui a collecté des mesures d’emploi, de revenu et d’optimisme pour 1 006 personnes – dont 567 qui ont été acceptées dans le programme, ainsi que 426 qui n’ont pas été acceptées dans le programme – à travers neuf cohortes de janvier 2017 à mai 2020.
Les mesures d’optimisme étaient basées sur l’échelle de Cantril :
« S’il vous plaît, imaginez une échelle avec des marches numérotées de zéro en bas à 10 en haut. Le haut de l’échelle représente la meilleure vie possible pour vous et le bas de l’échelle représente la pire vie possible pour vous. Sur quelle marche pensez-vous vous situer dans environ cinq ans ? »
Nous comparons d’abord les moyennes estimées de revenu et d’optimisme, ainsi que les probabilités d’emploi prévues, selon le statut d’admission au programme. Ces estimations sont dérivées de modèles de régression comparant ceux qui ont été acceptés dans le programme à ceux qui n’ont pas été acceptés, également appelés modèles « en intention de traiter ». Ici, il est important de noter que ceux qui ont été acceptés dans le programme comprennent les personnes qui n’ont pas terminé le cours (« inscrits au cours »), les personnes qui ont terminé le cours mais n’ont pas terminé l’apprentissage (« finissants du cours ») et les personnes qui ont terminé le cours et l’apprentissage (« finissants d’apprentissage »). En plus de contrôler la cohorte, nos résultats contrôlent également les mesures de résultats antérieures. Par exemple, nos estimations de revenu au cours des 12 derniers mois contrôlent le revenu d’un candidat antérieur à s’appliquant à LaunchCode. Par conséquent, nos résultats peuvent être interprétés comme l’impact de LaunchCode admissions sur les résultats économiques.
Lors de la comptabilisation des revenus avant de postuler à LaunchCode, le revenu moyen de ceux qui ont été acceptés était de 45 669,33 $ au moment de l’enquête, contre 41 386,12 $ pour ceux qui n’ont pas été acceptés dans le programme. Les différences étaient statistiquement significatives. En tenant compte de l’emploi STEM antérieur (emploi STEM avant de postuler à LaunchCode), ceux qui ont été acceptés dans LaunchCode avaient 81,5% de chances d’être employés dans STEM au moment de l’enquête, contre seulement 72,8% de chances pour ceux qui étaient pas accepté. En tenant compte des mesures d’optimisme antérieures, ceux qui ont été acceptés avaient un score moyen d’optimisme de 8,2 au moment de l’enquête, contre 7,9 pour ceux qui n’ont pas été acceptés.
Pour obtenir une compréhension plus nuancée du programme, nous avons également comparé les personnes qui n’ont pas été acceptées aux inscrits aux cours, aux finissants de cours et aux finissants d’apprentissage. Comme ces modèles tiennent compte de la participation réelle au programme (« traitement sur traitement »), ces résultats peuvent être interprétés comme l’impact du programme de LaunchCode sur les résultats économiques.
Comme l’indique la figure 1, pour ceux qui ont terminé le programme par le biais de l’apprentissage, leur revenu moyen au cours des 12 derniers mois est de 66 406 $, comparativement à 41 242 $ pour ceux qui n’ont pas été acceptés. Il n’y avait pas de différences significatives pour les inscrits et les finissants de cours par rapport à ceux qui n’étaient pas admis. Ici, il apparaît que l’un des mécanismes les plus importants pour augmenter les revenus dans le programme de LaunchCode est l’apprentissage.
De plus, en contrôlant si les étudiants avaient déjà travaillé dans les domaines STEM avant de postuler à LaunchCode (Figure 2), les finissants de l’apprentissage avaient 99,7 % de chances d’être employés dans les STEM, les finissants de cours avaient 88,6 % de chances d’être employés dans les STEM, et les inscrits aux cours avaient 55,4% de chances d’être employés dans les STEM au moment de l’enquête, contre 75,4% de ceux qui n’étaient pas admis. Cela démontre une augmentation de l’emploi en STGM pour les finissants d’apprentissage et les finissants de cours.
Les scores moyens d’optimisme des inscrits et des finissants étaient de 8,1 et 8,2 au moment de l’enquête, contre 7,9 pour ceux qui n’ont pas été acceptés, mais aucune différence significative n’a été constatée entre ceux qui ont terminé l’apprentissage et ceux qui n’ont pas été acceptés. Comme les inscrits et les finissants des cours avaient des niveaux d’optimisme plus élevés que ceux qui n’ont pas été acceptés, nous pouvons en déduire que l’optimisme accru peut être le plus important pendant la phase d’ascension.
Leçons apprises
Compte tenu de la nature nouvelle et en évolution rapide du marché du travail, l’acquisition rapide de nouvelles compétences deviendra un aspect de plus en plus important du développement de la main-d’œuvre et de la mobilité sociale. En effet, nos résultats démontrent l’impact positif de l’admission à des programmes de reconversion : augmentation de l’emploi, des revenus et de l’optimisme chez les candidats admis. Ces programmes peuvent également aider à remplir le pipeline STEM, ce qui peut avoir des effets positifs sur la compétitivité aux niveaux local et national.
Cependant, notre recherche démontre également que les cours seuls ne conduiront pas à une mobilité sociale généralisée, car les apprentissages semblent faire partie intégrante de ce modèle de formation de la main-d’œuvre. En outre, les apprentissages ne sont pas seulement des moyens d’améliorer l’efficacité du développement de la main-d’œuvre ; L’équité est également essentielle, car les apprentissages permettent d’offrir gratuitement des programmes comme LaunchCode. Ce faisant, LaunchCode peut mieux servir les personnes à faible revenu et les personnes de couleur, dont les circonstances peuvent les empêcher de s’inscrire à des cours rémunérés ou de travailler dans des stages non rémunérés. Le soutien à l’apprentissage devrait être une priorité pour les communautés qui cherchent à faciliter des parcours plus efficaces et équitables vers l’emploi. Comme bon nombre des personnes qui peuvent bénéficier de ces types de programmes peuvent avoir peu ou pas d’expérience dans ces industries, les apprentissages permettent également à ces personnes d’acquérir des compétences techniques et générales tout en s’adaptant aux nouvelles cultures et normes du lieu de travail.
À l’avenir, davantage d’agences fédérales et de programmes locaux devraient intégrer des stages et des apprentissages significatifs dans leurs programmes. Cela nécessitera des efforts conjoints entre les organisations d’éducation, d’emploi et de développement de la main-d’œuvre. Ce faisant, les participants au programme – en particulier ceux qui entrent ou retournent sur le marché du travail – en bénéficieront.
