Bibliographic record
Abstract
Nous avons mené une analyse comparative des systèmes éducatifs français et québécois sous l’angle de l’équité et de l’efficacité, à partir de travaux de recherche empirique pertinents menés en France et au Québec sur ces deux thématiques. L’égalité de traitement des élèves, indépendamment de leurs caractéristiques socio-économiques et culturelles, était au cœur de notre analyse. Si l’ampleur des inégalités scolaires est plus importante en France comparativement au Québec, les résultats de notre méta-analyse révèlent néanmoins des similitudes dans les deux systèmes éducatifsen ce qui concernel’existence de mécanismes cachés de discrimination, sous la forme d’inégalités de traitement scolaireet d’accès aux études universitaires, en faveur des élèves déjà favorisés sur le plan socio-économique et culturel, malgré les objectifs affichés. Il ressort de cette étude que les inégalités de résultats ne sont pas seulement le fruit d’inégalités socio-économiques ou en termes d’aptitudes, mais elles sont aussi le produit des inégalités de traitement que le système scolaire engendre. Ces inégalités de traitement contribuent au renforcement de la différenciation des parcours éducatifs. L’ouverture de l’accès à l’éducation à l’ensemble des classes sociales (démocratisation quantitative) a engendré un déplacement des inégalités à l’intérieur des différentes filières d’enseignement, notamment au sein de l’enseignement supérieur. L’étude met par ailleurs en évidence l’impact de la composition du public scolaire sur la réduction des inégalités scolaires. En effet, l’accroissement des inégalités scolaires en France, révélée par les enquêtes PISA de l’OCDE, semble s’expliquer en partie par la forte ségrégation ethnique et sociale caractéristique du paysage éducatif français, phénomène de moindre ampleur au Québec.
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 | 0.010 | 0.027 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.006 | 0.011 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 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".