Individual, social, and family factors associated with high school dropout among low‐ <scp>SES</scp> youth: Differential effects as a function of immigrant status
Notice bibliographique
Résumé
BACKGROUND: In most Western countries, the individual, social, and family characteristics associated with students' dropout in the general population are well documented. Yet, there is a lack of large-scale studies to establish whether these characteristics have the same influence for students with an immigrant background. AIMS: The first aim of this study was to assess the differences between first-, second-, and third-generation-plus students in terms of the individual, social, and family factors associated with school dropout. Next, we examined the differential associations between these individual, social, and family factors and high school dropout as a function of students' immigration status. SAMPLE: Participants were 2291 students (54.7% with an immigrant background) from ten low-SES schools in Montreal (Quebec, Canada). METHOD: Individual, social, and family predictors were self-reported by students in secondary one (mean age = 12.34 years), while school dropout status was obtained five or 6 years after students were expected to graduate. RESULTS: Results of logistic regressions with multiple group latent class models showed that first- and second-generation students faced more economic adversity than third-generation-plus students and that they differed from each other and with their native peers in terms of individual, social, and family risk factors. Moreover, 40% of the risk factors considered in this study were differentially associated with first-, second-, and third-generation-plus students' failure to graduate from high school. CONCLUSION: These results provide insights on immigrant and non-immigrant inner cities' students experiences related to school dropout. The implications of these findings are discussed.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».