Comparaison entre les étudiants de première et de seconde génération : engagement, rendement et persévérance
Bibliographic record
Abstract
Cet article résume une recherche qui compare les étudiants de première et de seconde génération sur des facteurs d’engagement, de rendement et de persévérance en lien avec la langue du programme d’études à l’Université Laurentienne de Sudbury. La recherche a porté sur 514 étudiants en première année d’études inscrits dans des programmes de langues française ou anglaise dont 54 % étaient de la première génération, 91,4 % étaient citoyens canadiens et 83,5 % étaient de la race blanche; les femmes comptaient pour 73 % de l’échantillon. Dans l’enquête, les étudiants de première génération étaient en moyenne plus âgés, en majorité des femmes, ils étaient inscrits à moins de cours et avaient fréquenté dans une plus forte proportion un collège avant d’arriver à l’université. Ils habitaient hors campus en plus grand nombre et, pour eux, l’intention de faire des études au doctorat était plus rare. L’instrument NSSE 2014 a fait voir neuf différences entre les étudiants de première et de seconde génération sur les questions/énoncés d’engagement. Les analyses sur la langue du programme d’études (français/anglais) ont montré des différences significatives pour 24 questions/énoncés. Les étudiants inscrits dans des programmes de langue française avaient un rendement supérieur quant aux crédits réussis. Toutefois, les analyses n’ont montré aucune différence entre les groupes quant à la persévérance dans les études, ce qui a conduit à mettre en doute la variable utilisée à cette fin. Soixante-seize individus ont livré des remarques sur la qualité de leur expérience universitaire et avancé des recommandations pour l’établissement. Les commentaires furent rapportés en neuf catégories, quatre portant sur des aspects scolaires et cinq sur la vie étudiante. En gros, les remarques ont appuyé ou accentué les résultats des analyses quantitatives. La convergence d’opinions entre les groupes témoigne d’une appréciation plutôt comparable sur l’expérience éducative et le choix de l’établissement. Somme toute, l’enquête a montré que la théorie de l’engagement parvient à relever des différences selon le statut de l’étudiant, mais davantage pour la langue du programme d’études, soit le français ou l’anglais. Les étudiants de première et de seconde génération qui étudiaient en français étaient plus engagés que les autres sur un nombre de variables de l’outil NSSE.
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 | 0.004 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".