L'expérience Étudante à Temps Partiel: Son Incidence sur L'engagement, les Perceptions et la Rétention
Bibliographic record
Abstract
Historiquement, les apprenantes et apprenants à temps partiel vivent de l’isolement sur campus, ont moins de possibilités d’engagement scolaire et souffrent de taux d’attrition beaucoup plus élevés que leurs collègues à temps plein (Jacoby, 2015; Rajasekhara et Hirsch, 2000). La présente étude cherche donc à découvrir des stratégies efficaces pour enrichir les expériences scolaires et sociales des apprenantes et apprenants à temps partiel et, par conséquent, à augmenter leurs taux de rétention. À la session d’automne de 2015, un sondage anonyme a été utilisé pour capter les attitudes, les expériences, les besoins et les défis de 41 étudiantes et étudiants à temps partiel dans un grand collège communautaire canadien. À partir des données recueillies, des stratégies efficaces ont été relevées pour enrichir les expériences collégiales de la population étudiante à temps partiel et un lien entre le sentiment d’affinité envers l’établissement et la motivation des apprenantes et apprenants à temps partiel de poursuivre leurs études jusqu’à l’obtention du diplôme a été établi. Les recommandations découlant de cette étude sont axées sur la flexibilité, la disponibilité, et les choix des étudiantes et étudiants à temps partiel en matière de programmes postsecondaires, de cours, de services et d’activités sociales à l’intention de cette population.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".