Les résultats des élèves asiatiques dans les enquêtes internationales
Bibliographic record
Abstract
Cette contribution procède en quatre étapes. La première analyse les faces les plus visibles et médiatisées des résultats PISA 2012 de douze pays asiatiques, ainsi que la moyenne de l’OCDE, la Finlande et le Canada (deux pays occidentaux de référence pour leurs bons résultats) et la France. La seconde étape prolonge l’analyse en recherchant les co-variations entre les résultats précités et des indicateurs objectifs caractérisant les pays concernés. La troisième met en évidence les faces non visibles des épreuves internationales, à travers une série de questions bipolaires importantes. Enfin, la dernière étape tente d’identifier un certain nombre de faces occultées. L’auteur invite à ne pas se contenter des résultats disponibles actuellement pour comprendre en profondeur les systèmes éducatifs des pays analysés et, plus largement, à mieux saisir ce que révèle le concept de qualité (outre l’efficacité, l’équité et la pertinence : trois concepts à ne pas dissocier).
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 | 0.013 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.009 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".