Étude de trois facteurs clés pour comprendre la persévérance à l’université
Notice bibliographique
Résumé
La première année à l’université est marquée par un taux de réussite et de persévérance assez faible. Pour expliquer ce phénomène, on a d’abord pris en compte les caractéristiques sociodémographiques et le passé scolaire des étudiants. Mais, depuis une trentaine d’années, d’autres dimensions ont été étudiées en se basant sur des courants théoriques distincts. D’une part, les modèles éducationnels (Tinto, 1975, 1997 ; Bean, 1980) soulignent à la fois l’importance des expériences sociales et académiques vécues lors de la transition à l’université et l’importance de l’ajustement entre les caractéristiques individuelles et institutionnelles ; d’autre part, les modèles motivationnels (Wigfield & Eccles, 2000 ; Eccles & Wigfield, 2002 ; Kahn & Nauta, 2001) se focalisent sur les attributs personnels des étudiants (par exemple le sentiment de compétence, les représentations des buts, etc.). En validant le modèle de Tinto dans le contexte éducationnel belge et en analysant le rôle complémentaire du sentiment d’efficacité personnelle, nous tentons ici de mettre en évidence l’apport de ces différents courants théoriques dans la compréhension des facteurs de persévérance. Cette contribution s’intéresse particulièrement à l’intention de persévérance, mesurée dès les premières semaines passées à l’université, car elle constitue l’un des facteurs majeurs dans la persévérance effective et est positivement associée à la réussite finale. Nos résultats démontrent que la persévérance et la réussite, loin d’être déterminées exclusivement par le bagage d’entrée de l’étudiant, sont significativement influencées par des variables individuelles et des variables contextuelles, ainsi que par l’interaction entre les deux. Cet article met ainsi en lumière l’importance du contexte éducatif et le rôle que peuvent jouer les acteurs du terrain. Ces derniers peuvent soutenir la persévérance et la réussite des étudiants, non seulement par la mise en œuvre de dispositifs pédagogiques adaptés (misant sur les relations entre pairs, l’apprentissage coopératif, l’utilité et l’intérêt des activités), mais aussi par leurs interventions auprès des étudiants pour soutenir leur sentiment d’efficacité personnelle et la construction de leur projet de formation.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».