MétaCan
Menu
Retour à la cohorte
Enregistrement W3024853195

Les inégalités provinciales aux tests internationaux-nationaux de littéracie : Québec, Ontario et autres provinces canadiennes 1993-2018 [Provincial achievement gaps from literacy surveys conducted from years 1993 to 2018]

2020· preprint· fr· W3024853195 sur OpenAlexaboutno aff
Pierre Lefèbvre, Philip Merrigan

Notice bibliographique

RevueRePEc: Research Papers in Economics · 2020
Typepreprint
Languefr
DomaineSocial Sciences
ThématiqueFrench Language Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceLiteracySociologyArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

(in French) Cet article presente les resultats a des tests standardises en litteracie, de 19 enquetes internationales ou provinciales conduites en education de 1993 a 2018 aupres d?etudiants du Quebec et de provinces canadiennes. L?analyse s?appuie sur les scores a trois stages d?etudes, 4e annee au primaire, 8e annee au secondaire et aux etudiants de 13, 15 ou 16 ans (en secondaire II a V). Les domaines de litteracie sont lecture, math et science. Plusieurs types de statistiques sont calculees (nombre de repondants, moyenne, ecart-type, scores a divers points de la distribution centile des scores) ainsi que les ecarts entre les scores (C90-C10 et C75-25), ainsi que des differences centiles entre le Quebec et les entites participantes. L?analyse presente aussi la distribution des etudiants dans les echelles de competences. Les liens entre scores et les caracteristiques du statut social des eleves, mesurees par l?education et les professions parentales, sont documentes pour chaque enquete. Les resultats sont compares avec ceux partiels du Conseil superieur de l?education. Il apparait que les eleves quebecois, le plus souvent, performent mieux ou aussi bien que ceux des autres provinces aux plans des scores, des ecarts centiles et des differences selon le statut social. La discussion finale porte sur quelques options de politique publique en education susceptibles de reduire les ecarts de litteracie selon le statut social des eleves. Abstract (in English, working paper is in French) This paper presents standardised test scores results in literacy from 19 provincial and international surveys in education conducted over years 1993 to 2018. The analysis draws on students in Canadian provinces, mainly in Quebec and Ontario, at three stages of education, grade 4 in primary school, grade 8 in secondary school, and -13, -15 and -16-year-olds in grades 8, 9, 10, 11 and 12. The tree domains of literacy are reading, math, and science. A diversity of summary statistics are computed (number of respondents, mean, standard deviation, percentile scores), as well as gaps (P90-P10 and P75-P25) between scores and differences between Quebec and other participant group entities. The investigation also displays the distribution of proficiency scale scores. The socio-economic gradients in scores as measured by parental educational and occupational categories are also displayed and discussed in the paper. The results contradict the conclusion of an independent Council in Education, and imply that Quebec?s students in particular the less skilled perform as well or better than students in the other provinces system, most of the time with less inequality in literacy domains. The assessment reviews briefly why students in independent schools are more successful and identifies some policy options in education policy addressing social inequities in the skills and knowledge of students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,012
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,595
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,012
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,001
Science ouverte0,0030,002
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,371
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRePEc: Research Papers in EconomicsMême sujetFrench Language Learning MethodsTravaux en français237 207