L’évaluation de la performance des collèges publics québécois par la méthode du Data Envelopment Analysis
Notice bibliographique
Résumé
Le système collégial public québécois est très dépendant financièrement des subventions accordées par le gouvernement provincial. En effet, 85 % des revenus des collèges d’enseignement général et professionnel (cégeps) proviennent de subventions gouvernementales. Les cégeps se plaignent d’un sous-financement chronique depuis les fortes coupures budgétaires qu’a connu le système d’enseignement québécois pendant les années quatre-vingt-dix. Avant d’appuyer ce discours, il faut vérifier si les cégeps prouvent leur efficience dans la gestion des fonds publics. C’est cette mesure d’efficience des cégeps que nous faisons dans cette étude. Nous évaluons l’efficience des cégeps à l’aide de la méthode duData Envelopment Analysis(DEA) à partir d’une banque de données originale fournie par le ministère de l’Éducation, du Loisir et du Sport du Québec. Nous calculons ainsi une efficience relative, en comparant les cégeps les uns aux autres. Notre étude établit que les cégeps sont, en moyenne, efficients à 90 %. Ceci représente des économies potentielles d’environ 140 millions de dollars, soit 10 % des dépenses totales des cégeps. Nous montrons également que l’efficience des cégeps a varié dans le temps et est inversement liée aux subventions budgétaires, l’efficience ayant augmenté lors des coupures budgétaires.
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 | 0,012 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».