Préparation à l'école et engagement scolaire : le rôle médiateur de la relation maître-élève
Bibliographic record
Abstract
Bien que les facteurs de risque associés au faible engagement scolaire aient été largement étudiés, les mécanismes qui conduisent les enfants moins bien préparés pour l’école à se désengager dès le début de leur parcours scolaire demeurent méconnus. Une meilleure compréhension de ces mécanismes permettrait de prévenir le désinvestissement de ces élèves et favoriserait leur persévérance scolaire. Étant donné l’importance des relations sociales en début de scolarisation, la présente étude a pour objectif d’examiner dans quelle mesure la relation que l’élève entretient avec son enseignant en première année peut expliquer le lien entre la préparation à l’école en maternelle et l’engagement scolaire en deuxième année. Des régressions linéaires multiples hiérarchiques réalisées sur un échantillon de 1492 élèves québécois ont permis de vérifier cette hypothèse. Les résultats obtenus confirment que la relation maître-élève chaleureuse et conflictuelle permet d’expliquer le niveau d’engagement des élèves qui présentent une faible préparation à l’école lorsqu’ils entrent à la maternelle. Les implications pour la recherche et la pratique des intervenants en milieu scolaire seront discutées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".