MétaCan
Menu
Retour à la cohorte
Enregistrement W7155019227 · doi:10.7202/1124534ar

Soutenir la diversité des besoins en matière de transition au collégial : résultats d’une analyse de classes latentes

2025· article· fr· W7155019227 sur OpenAlexaffabout
David Baril, Mathias Boyer-Brosseau, Nadia Rousseau, Caroline Duranleau, Lise-Anne St-Vincent

Notice bibliographique

RevueRevue éducation inclusive · 2025
Typearticle
Languefr
DomainePsychology
ThématiqueEducation, Achievement, and Giftedness
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésPopulationIle de franceStatistical analysis

Résumé

récupéré en direct d'OpenAlex

La transition du secondaire vers le collégial constitue une étape charnière du parcours éducatif au Québec, marquée par une grande diversité de profils et par des besoins de soutien multiples. S’intéresser à ces besoins est essentiel pour mieux soutenir la population étudiante du collégial dans leurs projets d’études et favoriser leur persévérance scolaire. L’objectif de cet article est d’identifier et de décrire des profils des personnes étudiantes en fonction des besoins exprimés au cours de cette période critique de transition. Pour ce faire, une analyse de classes latentes a été menée auprès de 851 personnes étudiantes en première année de cégep. Cinq profils spécifiques ont été mis en évidence : 1) un profil autonome marqué par une faible expression de besoins, 2) un profil exprimant des besoins multiples en matière d’orientation et d’adaptation, 3) un profil centré sur la réussite académique avec visée professionnelle, 4) un profil caractérisé par des besoins forts en matière d’intégration sociale et de sentiment d’appartenance, et 5) un profil préoccupé principalement par des besoins financiers. Ces profils illustrent la diversité et la complexité des réalités étudiantes en contexte de transition collégiale. Enfin, des analyses de régressions logistiques multinomiales révèlent des liens significatifs entre certains profils et diverses caractéristiques sociodémographiques.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
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 enseignants0,996
Score d'incertitude au seuil0,370

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,021
Tête enseignante GPT0,346
Écart entre enseignants0,325 · 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'admission2
Résumé présentoui

Explorer davantage

Même revueRevue éducation inclusiveMême sujetEducation, Achievement, and GiftednessTravaux en français237 207