Caractéristiques de préadmission et persévérance aux études à la maîtrise en sciences et technologies au Burkina Faso : le rôle médiateur de l’expérience universitaire
Bibliographic record
Abstract
La présente recherche vise à expliquer l’effet de l’expérience universitaire (bourse, redoublement) sur la relation entre les caractéristiques de préadmission (profession du père, genre, lieu de naissance, âge à la première inscription, domaine d’étude, score à l’examen de fin du secondaire, délai d’inscription, réforme universitaire) et la persévérance aux études à la maîtrise en sciences, technologies, ingénierie et mathématiques (STIM) à une université au Burkina Faso. La régression de Cox et l’analyse moderne de médiation sont utilisées sur des données longitudinales de 14 cohortes d’étudiants (n = 13 891). Les résultats indiquent une médiation indirecte uniquement (profession du père [autre], domaine d’étude, âge à la première inscription); une médiation complémentaire (score à l’examen de fin du secondaire); une médiation compétitive (délai d’inscription, réforme universitaire); une absence de médiation (lien direct uniquement) pour le genre; et aucun effet médiateur pour le lieu de naissance et la profession salariée du père. Des programmes de bourses ainsi que des réformes et politiques adéquates visant à réduire le redoublement amélioreraient la persévérance aux études à la maîtrise en STIM.
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 | 0.005 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".