Décrochage scolaire en France : quel rôle pour les contextes locaux ?
Bibliographic record
Abstract
Cet article vise à améliorer la connaissance des facteurs de risque du décrochage scolaire en France en prenant en compte les effets du contexte territorial, et ce, par le recours à la modélisation multiniveaux. Son originalité est d’étudier, d’une part, les conséquences potentielles de certaines caractéristiques du territoire sur ce risque et d’examiner, d’autre part, si le milieu d’origine – caractérisé par la catégorie socioprofessionnelle et le diplôme des parents – influe différemment en fonction du contexte territorial. À partir des données de l’enquête Génération 2010 portant sur les jeunes sortis du système éducatif français à cette date, on montre que les origines socio-économiques mais aussi celles culturelles agissent sur le risque de quitter l’école sans diplôme plutôt qu’avec un diplôme de l’enseignement secondaire. En outre, les caractéristiques territoriales que sont le taux de chômage juvénile, le niveau de la pauvreté ainsi que la norme d’achèvement des études ont des effets avérés sur le risque de décrocher et elles interagissent avec le rôle du milieu d’origine, en particulier celui des origines culturelles. Ainsi, les caractéristiques défavorisées du territoire (plus fort taux de chômage juvénile, niveau de pauvreté élevé, norme éducative faible) amplifient l’effet des inégalités sociales sur le risque qu’ont les jeunes de quitter l’école précocement.
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 | 0.006 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| 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".