L’aptitude au français des élèves montréalais d’origine immigrée
Bibliographic record
Abstract
Les auteurs comparent l'impact de la densité ethnique de l'école, du taux de francisation associé à la langue maternelle et de l'ancienneté d'implantation sur l'aptitude au français d'élèves montréalais d'origine immigrée. L'analyse factorielle des données provenant de 896 élèves d'origine immigrée démontre que l'aptitude au français — qui comprend des attitudes positives à l'égard du français, l'utilisation du français avec l'entourage et la consommation de médias électroniques en français — est unidimensionnelle. Cette aptitude est modérément élevée chez les élèves d'origine immigrée, bien qu'inférieure à celle des élèves francophones d'implantation ancienne (N = 686). Par ailleurs, des analyses de régression multiple révèlent que la densité ethnique de l'école, qui n'est pas reliée à l'aptitude au français des élèves francophones d'implantation ancienne, est négativement reliée à celle des élèves d'origine immigrée. Toutefois, le taux de francisation associé à la langue maternelle est un prédicteur beaucoup plus important de l'aptitude au français des élèves d'origine immigrée que la densité ethnique de leur école. Enfin, il semble que ni le fait d'être né au Canada ni le fait d'avoir immigré en cours de scolarité n'aient d'impact sur le phénomène étudié.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.007 | 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".