Bibliographic record
Abstract
Plusieurs chercheurs se sont intéressés à la promotion de la santé. Notamment, en entreprise, la promotion d'activités pouvant amorcer un changement dans les habitudes de vie amenant un mieux-être chez les travailleurs est aujourd'hui très populaire. En effet, les dirigeants d'entreprises ont pris conscience qu'un employé en meilleures dispositions physiques devenait plus rentable pour l'industrie. Dans le contexte de l'éducation où l'emphase est mise sur la réussite scolaire, il devenait intéressant d'aborder la problématique des habitudes de vie des étudiants. Nous nous sommes intéressés à cibler la clientèle plus à risque d'échec du Collège de Chicoutimi. C'est à partir du paradigme naturaliste et compréhensif que nous avons abordé cette problématique. La collecte des données a débuté par un questionnaire qui nous donnait une vue d'ensemble des comportements des étudiants à risque d'échec. Puis, afin de comprendre en profondeur et d'explorer les habitudes de vie chez cette population, nous avons recueilli des récits de vie amenant une richesse inestimable de données. Nous avons ensuite soumis ces récits à un processus vertical et horizontal d'analyse de contenu. L'utilisation de la technique des récits de vie cumulés nous aura permis de dégager certaines tendances concernant les habitudes de vie des étudiants à risque d'échec. À la lumière de l'analyse du questionnaire et des entrevues, nous pouvons dire que cette population étudiante du Collège de Chicoutimi a adopté des habitudes de vie plus ou moins saines visant à combler leurs besoins. Ces étudiants sont en grande partie sédentaires et ils s'alimentent mal. De plus, ils accusent une grande fatigue et des troubles du sommeil. Nous avons pu dégager des données concernant une multitude de raisons qui motivent leurs choix. Le fait qu'ils font très peu de liens entre leurs comportements délétères et leurs résultats scolaires n'est certainement pas étranger au choix qu'ils font afin de combler leurs besoins.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 0.001 |
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".