La dynamique de la réussite scolaire des filles au primaire : les motivations et les enjeux des rapports sociaux de sexe
Bibliographic record
Abstract
Cet article porte sur le phénomène de la meilleure réussite scolaire des filles dès le primaire. L'auteure cherche à comprendre pourquoi les filles réussissent mieux que les garçons, ont moins d'échecs, de retard et de redoublement scolaires. L'objectif est de décrire et d'analyser les mobilisations et les motivations des filles quant à la réussite scolaire et de démontrer l'incidence potentielle des rapports sociaux de sexe au primaire sur la réussite scolaire. L'auteure vise également à montrer la présence d'une certaine forme de féminisme au primaire. L'analyse des données fait ressortir qu'un rapport actif à la scolarisation joue en faveur des filles à l'école. Les mobilisations personnelles des filles et celles de leurs mères conjuguées créent une dynamique favorable à la réussite scolaire. Ainsi, non seulement elles s'adaptent au milieu scolaire pour mieux réussir, mais encore elles adoptent des comportements stratégiques pour parvenir à leurs objectifs. Elles veulent prouver qu'elles sont «bonnes» à l'école et donner la réplique aux garçons qui les enferment dans des modèles stéréotypés. Un avenir réussi comme femmes est également une source de motivation pour les filles et pour leurs mères.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".