L'université se professionnalise-t-elle au Canada ? Une analyse longitudinale des choix de programmes de formation
Bibliographic record
Abstract
En se basant sur des données provenant de l'AUCC et de la CREPUQ, cet article vise à répondre à la question suivante : Décèle-t-on, empiriquement, en contexte canadien des tendances, sur une période de quinze ans, vers des choix de programmes universitaires à caractère vocationnel/professionnel ayant de plus grandes possibilités d'employabilité, au détriment des choix de programmes de formation générale (« Liberal Arts ») ? Les données de l'AUCC (1989-1990 et 1998-1999) portent sur dix grandes universités canadiennes : Alberta, Colombie Britannique, Calgary, Laval, McGill, Montréal, Toronto, Waterloo, Western Ontario et York. Celles de la CREPUQ (1996-1997 à 2005-2006) concernent trois universités québécoises : McGill, Montréal et Laval. En classifiant les différents programmes selon le modèle de Brint et al. (2005), les analyses révèlent que les inscriptions pour la période retenue dans des programmes de baccalauréat de type « Liberal Arts » ont diminué de manière significative alors que, inversement, les inscriptions dans des programmes de type professionnel/vocationnel ont augmenté de manière significative. L'étude plus détaillée des inscriptions dans les trois universités québécoises pour la période retenue ajoute la dimension des inscriptions aux deuxième et troisième cycles. Les résultats montrent que l'on assisterait à un processus de professionnalisation dans les universités québécoises de l'étude plus marqué dans les deux universités francophones que dans l'université anglophone. L'article conclut en proposant une interprétation des tendances observées vers la professionnalisation dans les universités de l'étude.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.009 |
| Science and technology studies | 0.006 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.003 |
| 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".