Intégration et réussite scolaire des étudiants internationaux dans une région à faible densité ethnoculturelle. Le cas des cégeps du Saguenay–Lac-Saint-Jean1
Bibliographic record
Abstract
Cet article met en lumière les défis de l’intégration et de la réussite scolaire des étudiants internationaux au sein des cégeps du Saguenay–Lac-Saint-Jean, une région à faible densité ethnoculturelle. Elle accueille ces étudiants depuis plus d’une dizaine d’années. Bien que présent, le phénomène de l’internationalisation de l’éducation dans les cégeps du Saguenay–Lac-Saint-Jean est très peu documenté. L’objectif principal du projet est de comprendre les défis de l’intégration et de la réussite scolaire qui jalonnent l’expérience des étudiants internationaux. Pour ce faire, 21 entrevues individuelles ont été menées auprès d’étudiants internationaux. Les résultats montrent que les étudiants ont une image généralement positive de leur cégep et de leurs enseignants. L’expérience migratoire est marquée par les différences entre le pays d’origine et le pays de migration pour études. Aux dires de ces étudiants, l’intégration n’est pas « un long fleuve tranquille ». Ils doivent faire preuve de persévérance afin de réussir leur projet d’études. Cet article apporte des contributions d’ordres pédagogique et social en mettant de l’avant l’importance du rôle des enseignants, des cégeps et de la communauté collégiale et civile dans l’intégration et la réussite scolaire des étudiants internationaux.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 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".