Enseignement supérieur, orchestration de l’accessibilité et stratégies d’accompagnement
Bibliographic record
Abstract
L’accès à l’enseignement supérieur constitue un enjeu majeur dans un contexte où plus de 46 millions de personnes sont sans emploi et où le chômage des jeunes est élevé, notamment par manque de qualification (OCDE, 2014). Or, si le nombre d’étudiants présentant un besoin éducatif particulier (BEP) a crû dans la plupart des pays de l’OCDE, la réussite universitaire de ces étudiants est bien moindre et la possession d’un diplôme de l’enseignement supérieur ne facilite pas toujours l’accès à l’emploi. Aussi cet article appréhende-t-il les conditions de réussite universitaire et d’insertion professionnelle d’étudiants français présentant un besoin éducatif identifié à l’aune des modes d’orchestration de l’accessibilité promus par les services qui s’adressent à ces étudiants. Il décrit à cette fin les représentations de l’étudiant à BEP véhiculées par les conceptions de l’accompagnement revendiquées par ces services et le rapport à la différence sous-jacent aux dynamiques d’accessibilisation de l’environnement universitaire. Il s’appuie sur une recherche relative aux conditions d’études et d’insertion professionnelle d’un échantillon d’étudiants français présentant un BEP. Cette recherche conjugue la perspective statistique offerte par l’exploitation d’un questionnaire avec l’approche qualitative induite par la réalisation d’entretiens.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.024 | 0.004 |
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".