La localisation des écoles primaires et le bruit aérien dans la région métropolitaine de Toronto : un diagnostic d’équité environnementale et une analyse des impacts sur la réussite scolaire
Notice bibliographique
Résumé
Cet article poursuit deux objectifs. Premièrement, il s’agit de vérifier si les écoles primaires accueillant des enfants issus de milieux défavorisés sont disproportionnellement localisées à proximité des aéroports, dans la région métropolitaine de Toronto. Deuxièmement, il s’agit de vérifier si les écoles primaires avec des niveaux de bruit aérien élevés présentent des niveaux de réussite scolaire plus faibles. L’étude porte sur 1420 écoles primaires publiques ou catholiques. Les courbes NEF ont été utilisées comme indicateur de gêne causée par le bruit des avions. Treize variables décrivant les caractéristiques des écoles et de leur clientèle ont été recueillies au niveau de chaque établissement pour l’année scolaire 2017-2018 à partir de données du Gouvernement de l’Ontario et du Ministère de l’Éducation. Des tests de Student ont été effectués pour réaliser le diagnostic d’équité environnementale alors que pour évaluer l’impact du bruit aérien sur la réussite scolaire, douze modèles de régression ont été construits. Les résultats des tests de Student démontrent que les écoles primaires avec des niveaux plus élevés de bruit aérien accueillent une clientèle plus souvent issue de milieux défavorisés et d’une langue maternelle autre que la langue d’enseignement. Concernant la réussite scolaire, les écoles dans la zone NEF présentent des taux de réussite significativement plus faibles. Par contre, une fois contrôlées les caractéristiques sociodémographiques, le bruit aérien n’est plus significativement associé à des taux de réussite plus faibles.
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 | 0,005 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,000 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».