Performance scolaire dans les écoles en présence d'asymétrie dans les effets de pairs
Notice bibliographique
Résumé
Dans ce mémoire, nous utilisons un modèle linéaire en moyenne pour évaluer l’impact des pairs sur les performances scolaires. Notre modèle, exploite la variation dans la taille des groupes comme source d’identification. Des effets fixes sont introduits pour tenir compte de l’effet des caractéristiques inobservées. Le modèle est estimé par la méthode du maximum de vraisemblance. Pour réaliser les estimations, nous avons utilisé des données qui proviennent d’une base données du Ministère de l’Éducation du Loisir et du Sport de Québec. Cette base contenait des informations sur les notes, le niveau d’étude, l’âge, la langue parlée à la maison et le statut socio-économique des élèves ayant passé en Juin 2005, l’examen de fin de cycle du secondaire. Dans le cadre de cette étude, l’examen de l’impact des garçons sur les résultats des garçons, a mis en évidence des effets endogènes significatifs et positifs en mathématiques et en histoire. Cependant, l’impact des filles sur les performances des filles a quant à lui mis en évidence des effets endogènes significatifs et positifs en français, mathématiques et histoire. L’effet endogène intra-genre, obtenu dans le sous-groupe des garçons est de l’ordre 0,833 en mathématiques. Dans le sous-groupe des filles, nous avons trouvé un estimé de l’ordre de 0,57 dans la même matière.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».