Les conditions favorables à la persévérance scolaire chez des étudiantes et étudiants autochtones de la communauté d’Essipit
Bibliographic record
Abstract
Plusieurs recherches rapportent un écart important entre les étudiantes et étudiants autochtones et non autochtones en ce qui a trait à la persévérance scolaire et à l’obtention d’un diplôme qualifiant. Chez les membres de la communauté innue d’Essipit (Québec, Canada) qui poursuivent des études secondaires, collégiales ou universitaires, la situation est toutefois moins problématique. Cet article est le résultat d’une étude qualitative réalisée auprès de neuf jeunes issues de cette communauté et qui persévèrent dans leurs études. Trois questions ont guidé la réalisation de l’étude : 1) Quels sont les facteurs de protection liés à la persévérance scolaire des jeunes de la communauté d’Essipit? 2) Quels sont les motifs qui encouragent les jeunes de cette communauté à poursuivre leurs études? 3) Quelles interventions mises en place dans cette communauté favorisent la persévérance scolaire? Cet article démontre que différents motifs et facteurs de protection influencent positivement la persévérance des jeunes, dont les encouragements et le soutien que ceux-ci reçoivent de leur entourage et des membres de leur communauté, ainsi que les programmes qui leur sont offerts.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.010 | 0.005 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".