Pourquoi les enfants africains quittent-ils l’école? Un modèle hiérarchique multinomial des abandons dans l’éducation primaire au Sénégal
Bibliographic record
Abstract
Dans cet article nous analysons les abandons dans l’éducation primaire au Sénégal à l’aide de modèles hiérarchiques généralisés en utilisant des données issues d’une enquête longitudinale de 1996 à 2001 et d’une enquête rétrospective de 2003 sur les ménages des mêmes élèves. Les résultats font apparaître la plus forte exposition au risque de décrochage scolaire des élèves issus de groupes exerçant certaines activités professionnelles. Les résultats confirment aussi que les filles sont plus victimes de l’abandon scolaire que les garçons. L’existence dans la famille d’enfants fréquentant le collège ou le lycée exerce un effet favorable sur la rétention des élèves à l’école. Les autres résultats confirment l’influence positive de la disponibilité des livres sur la rétention des élèves et l’effet négatif qu’exerce un niveau d’échec scolaire élevé ou la rareté de l’offre éducative dans la communauté. Enfin, les abandons précoces frappent davantage les filles que les garçons, mais l’existence d’une proportion importante de filles dans la première année d’études réduit la probabilité d’abandonner. Les politiques éducatives disposent ainsi de nombreux leviers pour réduire fortement les décrochages scolaires.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".