Estimation de l'impact des pairs sur la réussite scolaire
Notice bibliographique
Résumé
Dans ce travail, nous estimons l'impact des pairs sur la réussite scolaire au Québec. Nous utilisons des données provenant du Ministère de l'Éducation, du Loisir et du Sport contenant les résultats de l'examen commun de mathématiques du ministère pour les élèves de niveau secondaire 4 pour l'année 2005. Nous utilisons un modèle de type SAR (spatial autoregressive model ) avec effets fixes de groupe s'inspirant de Lee (2007). Notre modèle prend en compte les inobservables dans la structure du groupe qui peuvent être corrélés avec les variables explicatives (cela nous permet donc théoriquement de résoudre les deux problèmes économétriques auxquels on a à faire face, soit le problème d'endogénéité et celui des variables corrélées). Ce modèle a été estimé en utilisant une méthode de moindres carrés en deux étapes généralisés (appelée aussi "méthode de variables instrumentales généralisées"). Nous exploitons la variation dans la taille des groupes pour identifier notre modèle. Notre estimateur est convergent et asymptotiquement efficace dans la classe des estimateurs de variables instrumentales. Nous trouvons un effet endogène négatif et significatif de la note moyenne du groupe de l'élève sur sa propre note. Un tel effet pourrait s'expliquer par un effet de découragement ou de congestion. Il pourrait aussi provenir du fait qu'on n'observe pas le véritable groupe de référence de l'élève (e.g. ses amis).
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 | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».