L'accessibilité aux études postsecondaires au Canada : l'influence des facteurs sociaux et scolaires
Bibliographic record
Abstract
Au Canada, l'éducation postsecondaire est de compétence provinciale. Chacune des dix provinces possède son propre système, avec ses propres particularités en termes de structure et d'organisation. Afin de favoriser l'accessibilité, les différentes provinces ont mis en avant, à partir des années 1960, des politiques visant à augmenter l'accessibilité, par exemple à travers l'offre (création de nouveaux établissements ou développement de structures existantes) ou par la réduction des barrières financières (p. ex. gel des frais de scolarité, systèmes de prêts et bourses) (Diallo et al., 2009). Pendant cette période, certains groupes jusque-là sous-représentés dans les études postsecondaires, tels que les femmes, les francophones et les groupes ethniques, se sont aussi mobilisés à travers différents mouvements sociaux (Kamanzi et al., 2009). Si nous dressons ici, avant tout, un portrait canadien de la situation de l'accessibilité et des facteurs associés, il peut exister, comme nous le verrons dans le texte, des variantes entre les provinces (Looker, 2010), qui peuvent être dues à différentes réalités tant sur le plan des politiques mises en place que de l'organisation des systèmes et des caractéristiques sociales et économiques de chaque province.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.006 |
| Science and technology studies | 0.011 | 0.005 |
| Scholarly communication | 0.006 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".