Usages des statistiques et actions publiques : les politiques de lutte contre le décrochage scolaire au Québec1
Bibliographic record
Abstract
Cet article examine la production et l’usage des statistiques dans une sphère stratégique de l’action publique au Québec, l’éducation, et, plus particulièrement, la lutte contre le décrochage scolaire. Pour ce faire, nous analysons les documents à caractère programmatique produits au cours des quarante dernières années. Jusqu’en 1990, le décrochage fut un enjeu subordonné à la croissance des effectifs scolaires. La situation change au début des années 1990, la réussite scolaire devenant l’objectif central des politiques éducatives dans un contexte où l’État met l’accent sur l’efficience des actions publiques. Des cibles quantitatives en matière de diplomation sont alors fixées et une instrumentation innovatrice, marquée par une volonté de décentralisation de l’usage des statistiques, est mise en place. Si le recours à des données statistiques demeure faible pour l’ensemble de la période étudiée, la réorientation des politiques éducatives au tournant des années 1990 a toutefois modifié les modes de production des statistiques sur le décrochage scolaire. La production des statistiques sur le décrochage ne précède pas, chronologiquement, l’émergence de celui-ci comme problème appelant une action publique ; elle apparaît pour l’essentiel en conjonction ou dans la foulée de l’action publique dans ce domaine.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.008 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".