Réussite et sélection au premier cycle universitaire au Québec : une analyse multiniveau
Bibliographic record
Abstract
L’objectif de ce mémoire est d’étudier les formes de sélectivité scolaire et les facteurs de la réussite dans les programmes de premier cycle universitaire au Québec. En s’appuyant sur les différents écrits sur le sujet, cette recherche présente les différents déterminants de la réussite scolaire ainsi que la sélectivité dans les programmes universitaires québécois. D’un point de vue méthodologique, ce mémoire utilise une base administrative de données longitudinales de l’Université de Montréal constituée de deux générations de cohortes d’étudiants de premier cycle. Sur le plan empirique, nous analysons d’abord la différenciation des programmes de premier cycle en matière de sélectivité pour en dériver un indicateur agrégé de sélectivité. Ensuite, nous étudions les facteurs individuels de réussite en contrôlant l’effet de la cote R dans un modèle multiniveau. L’analyse explicative fait apparaitre deux principaux constats originaux sur les facteurs de réussite, l’un relatif à la cote R et l’autre à l’appartenance de sexe. La cote R influence les chances de réussite des étudiants, mais en raison inverse du niveau de sélectivité à l’entrée. Dans les programmes où la sélection à l’entrée est la plus forte, les taux de diplomation sont les plus élevés et le lien entre la cote R et la note finale est très faible. En outre, le fait d’être un garçon tend à réduire les chances de réussite, mais cet effet négatif disparait quand on tient compte de la cote R ainsi que du programme d’appartenance dans un modèle multiniveau. Si les étudiantes réussissent mieux au niveau du premier cycle universitaire c’est donc surtout parce qu’elles ont eu de meilleures performances scolaires antérieurement et qu’elles ne sont pas dans les mêmes programmes que leurs homologues masculins.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.025 | 0.001 |
| Scholarly communication | 0.000 | 0.003 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".