MétaCan
Menu
Retour à la cohorte
Enregistrement W4415464863 · doi:10.52358/mm.vi21.477

Have We Left the Boys Behind? Addressing the Decline of Male Participation in Higher Education in Quebec

2025· article· en· W4415464863 sur OpenAlexaffvenueabout
Cathia Papi, Dominic Thériault

Notice bibliographique

RevueMédiations et médiatisations · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensMinistry of Education, Recreation and SportsUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésHigher educationInclusion (mineral)Ethnic groupInequalityDiversity (politics)Investment (military)Race (biology)

Résumé

récupéré en direct d'OpenAlex

Generally, research related to equity, diversity, and inclusion (EDI) focuses on people with disabilities, ethnic or cultural minorities, and sexual or gender minorities. It follows in the tradition of initiatives that have progressively enabled women to take their place in society, expanding these efforts to include a broader range of underrepresented groups. Men who do not live with disabilities and who are not part of a minority group are therefore often overlooked in these studies. Yet, available data show that in higher education, they have not been the majority among students for quite some time. This highlights the need to examine what is happening earlier in the educational pathway, as academic delays and dropouts often begin in childhood. This invites us to question the potential role that certain technologies could play in supporting boys’ academic success. Additionally, we will see that income inequalities disadvantaging women may also help explain differences in the return on investment in higher education between men and women—underscoring the importance of considering the relationships between traditionally studied minority groups and others who may not appear marginalized at first glance.

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)0,004
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 enseignants0,964
Score d'incertitude au seuil0,262

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,002
Communication savante0,0030,002
Science ouverte0,0020,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0100,000

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 Opus0,255
Tête enseignante GPT0,492
Écart entre enseignants0,237 · 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

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueMédiations et médiatisationsMême sujetEducation, sociology, and vocational trainingTravaux en français237 207