Succès et faiblesses de l’intégration des immigrants par la scolarisation obligatoire en français au Québec
Bibliographic record
Abstract
Résumé Centré sur la langue d’enseignement, ce bilan de la Charte de la langue française (loi 101) fait état de la connaissance, de l’apprentissage et de l’usage du français. Il montre que cette loi s’est avérée très efficace pour conduire les enfants des immigrants dans les écoles françaises plutôt que dans celles du réseau scolaire anglophone. Malgré cette réussite, illustrée par des comparaisons avec l’Ontario, l’anglais exerce encore une forte attraction. C’est le cas notamment des jeunes qui, entreprenant des études collégiales, profitent d’une pleine liberté pour poursuivre leurs études en anglais. L’auteur aborde également la politique de sélection d’immigrants francophones, ainsi que le programme de francisation des immigrants ne connaissant pas le français. Absentes de la loi 101, ces importantes mesures sont les éléments les plus faibles de la politique linguistique québécoise. Enfin, l’auteur constate que l’apprentissage de l’anglais chez les francophones s’est poursuivi comme prévu, mais note que de nombreux francophones bilingues s’expriment spontanément en anglais devant des personnes sachant pourtant parler français. Inspiré par Max Weber, l’auteur conclut que « l’honneur linguistique » n’est pas encore au rendez-vous.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".