MétaCan
Menu
Retour à la cohorte
Enregistrement W4225149651 · doi:10.3389/feduc.2022.887617

School Mobility and High School Dropout: Seasonal and Developmental Timing Matters

2022· article· en· W4225149651 sur OpenAlexafffundabout
Julia Stamp, Catherine Frigon, Véronique Dupéré, Éric Dion, Élizabeth Olivier, Isabelle Archambault

Notice bibliographique

RevueFrontiers in Education · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensUniversité du Québec à MontréalUniversité de Montréal
Organismes subventionnairesUniversité de MontréalSocial Sciences and Humanities Research Council of CanadaCanada Research Chairs
Mots-clésDisengagement theoryDropout (neural networks)School dropoutDisadvantagedPsychologyLogistic regressionConfoundingAt-risk studentsDemographyDevelopmental psychologyMedicineGerontologyMathematics educationComputer sciencePolitical scienceSocioeconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Non-promotional school changes are fairly common, and although most mobile students successfully adjust to new peers, routines, and teachers, school mobility can sometimes indicate risk of disengagement and even dropout. To identify which mobile students are at risk and in need of support, it is important to differentiate when mobility may pose a threat and when it does not. The goal of this study was to examine the role of temporality in the relationship between non-promotional school changes and high school dropout, in a sample of N = 545 secondary school students (52% boys; Mage = 16.3 years) followed over a 6-month period. Participants were recruited in 12 socioeconomically disadvantaged public secondary schools with high dropout rates in Quebec (Canada). Logistic regression analyses (taking into account key potential confounding variables) revealed that non-promotional secondary school changes were associated with dropout, but only when they occurred during school years or in later secondary grades, and not when they occurred between school years (i.e., during the summer break) or in early secondary grades. These findings indicate that non-promotional school changes occurring at certain key time points are clear indicators of increased risk of high school dropout. Students who experience such changes would benefit from targeted support to help them integrate into their new school and cope with other problems often associated with mobility.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,133
Score d'incertitude au seuil0,264

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,254 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations5
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueFrontiers in EducationMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207