L’engagement des cégépiens en contexte de migration pour études : une réciprocité incontournable
Bibliographic record
Abstract
Chaque année, plusieurs jeunes Québécois quittent leur région pour entamer des études collégiales. La migration pour études, c’est-à-dire un déplacement à plus de 80 kilomètres de son milieu d’origine, touche environ 15 % de la population collégiale (Richard, 2017). Outre la transition entre le secondaire et les études supérieures, l’intégration aux études collégiales pose de nombreux défis pour ces jeunes : éloignement, adaptation à un nouveau milieu, nouvelles responsabilités (tâches ménagères, repas, budget, etc.) et dynamique relationnelle en mouvance. À partir d’entretiens effectués auprès de migrants pour études à propos de leur parcours, de leur motivation, de leurs difficultés et des stratégies déployées pour surmonter les défis rencontrés, ce texte explore le sens et les formes d’engagement associées à cette expérience. Ces différentes manifestations sont décrites à travers trois composantes associées à la notion d’engagement académique : cognitive, affective et sociorelationnelle. L’analyse montre que les manifestations d’engagement de ces cégépiens dépassent largement le pari de la réussite scolaire. Migrer pour ses études collégiales pousse l’individu à s’engager dans différentes sphères de sa vie : académique, professionnelle et citoyenne. Enfin, cet article ouvre également la réflexion sur le caractère réciproque de la notion d’engagement en abordant le rôle des cégeps dans le processus d’intégration de ces jeunes.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.009 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".