Bibliographic record
Abstract
Le travail de recherche présenté ici constitue une exigence du programme de maîtrise en économique de l'Université du Québec à Montréal, entrepris en août 2013, sous la supervision de M. Philip Merrigan et M. Pierre Lefebvre. L'objectif principal de ce mémoire est de déterminer si le fait de pratiquer une activité sportive hors de l'établissement scolaire plus d'une fois par semaine a un impact significatif sur les résultats à un test de mathématiques, soit le CAT/2, qui sera la variable dépendante des modèles de régression pour mesurer la performance scolaire des étudiants observés. Les résultats, bien que faibles, corroborent cette hypothèse. La question sous-jacente à cette étude, la conciliation entre le sport et les études, ainsi que les bienfaits et les conséquences qui y sont reliés, a été le sujet de plusieurs études commentées dans la revue de la littérature. À l'aide de l'Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ) un échantillon de 1300 étudiants âgés de 7 et 9 ans et observés deux fois du premier au troisième cycle est construit afin d'estimer des modèles de régression pour des données de panel. Trois méthodes d'estimation sont utilisées pour estimer l'impact du sport sur les performances scolaires : un modèle de régression à effets fixes, un modèle de régression à effets aléatoires et un modèle de régression simple par moindre carré ordinaire. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : panel, longitudinal, sport, physical activity, academic performance.
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 | 0.009 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".