Un autre regard sur les réponses des élèves canadiens au test PISA de 2003 à 2015
Bibliographic record
Abstract
Le Programme international pour le suivi des acquis des élèves (PISA) a pour objectif de produire des indicateurs sur les habiletés et les connaissances qui contribuent au succès des élèves, des écoles, des systèmes éducatifs et des environnements d’apprentissage (CMEC, 2015, p. 7). Depuis 2000, l’enquête du PISA est planifiée à tous les trois ans pour les élèves de 15 ans en ciblant spécifiquement les matières suivantes : la compréhension de l’écrit, la culture mathématique et la culture scientifique. Dans le cadre de la dernière passation, les résultats des Canadiens à cette enquête ont été salués dans l’ensemble du pays : les élèves se classent dans le groupe des pays les plus performants pour toutes les disciplines couvertes. Par contre, le taux de participation des écoles ainsi que les taux d’exclusions des élèves au regard de divers handicaps, qui pourraient éventuellement avoir un impact sur les résultats et le classement international, ont été critiqués à travers le pays. Cette présentation a comme objectif d’étudier le rendement des élèves canadiens au programme international des acquis scolaires (PISA) entre 2000 à 2015 en fonction de différentes caractéristiques relatives à la participation des écoles et au taux d’exclusion des élèves présentant certains handicaps. Des modèles de régression linéaire à niveaux multiples sont utilisés à cette fin.
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 | 0.014 | 0.035 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.028 | 0.005 |
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".