L'impact du surpeuplement des classes sur le rendement scolaire des élèves des écoles primaires publiques du système éducatif du Rwanda : le cas de la ville de Kigali (1997-2002)
Notice bibliographique
Résumé
À la suite du génocide1 de 1994 au Rwanda, le Ministère de l'Éducation, de la Science, de la Technologie et de la Recherche scientifique (MINEDUC) a jugé bon de renforcer la politique d'Éducation Pour Tous, une politique dont la mission première est d'inciter tous les jeunes à fréquenter l'école. Mais en contre partie, la politique n'a ni accru le nombre des enseignants ni celui des structures d'accueil avec pour conséquence le surpeuplement des classes soit plus de 50 élèves par enseignant dans les écoles primaires du pays. \n \nDe nombreux chercheurs associent la petite taille de la classe à la qualité de l'enseignement et l'apprentissage. À titre d'exemple, nous pouvons citer Avanzini, 1967; Din, 1999; Fijalkow et Nault, 2002, Berthelot et al. 2001; Blatchford et al. 2003; Lavallée, 1986; Sid, 1995; McConnel et Sosin, 1984; etc. \n \nC'est dans cette perspective d'influence de la taille de la classe sur la qualité des apprentissages que nous avons mené cette étude afin de connaître l'effet du surpeuplement des classes sur le rendement scolaire des élèves des écoles primaires publiques de la ville \n \n1 Dans le contexte rwandais, on entend par « génocide », l'extermination d'environ un million des Tutsis en 1994 par les Hutus extrémistes (Coquio, 2004). \n \nde Kigali au cours de la période de 1997-2002. Plus précisément, nous avons fait l'hypothèse selon laquelle il existe une relation significative entre le surpeuplement des classes et le rendement scolaire faible des élèves. En d'autres termes, plus il y a surpeuplement, moins bon est le rendement scolaire et vice versa. \n \nPour vérifier l'hypothèse, nous avons opté pour l'analyse de l'évolution des résultats des élèves au moyen des tests statistiques complétés par les résultats de discussion avec les groupes d'enseignants et d'élèves du primaire. Les résultats des analyses statistiques notamment le test t de Student, le test de Wilcoxon et l'analyse de régression, ont révélé que le surpeuplement des classes a un effet négatif sur le rendement scolaire des élèves. En effet, alors que les tests statistiques ont permis de constater que les résultats des élèves de la période de 1991-1996 sont supérieurs à ceux des élèves de la période de 1997-2002, l'analyse de régression, quant à elle, a montré que le rendement scolaire est en relation contraire avec l'augmentation de l'effectif des élèves de la classe. Ainsi par exemple, quand l'effectif des élèves s'accroît, le rendement scolaire décroît. Par contre, avec un effectif peu élevé, le rendement scolaire a tendance à s'améliorer. \n \nLes entrevues ont permis de constater qu'outre le surpeuplement des classes, d'autres variables influencent également le rendement scolaire. Il s'agit par exemple de manque de suivi et d'encadrement des enfants par leurs parents, de la pauvreté, de la démotivation des enseignants et des élèves, etc. \n
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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,022 | 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 ».