L’évaluation des établissements scolaires – le cas du collégial
Bibliographic record
Abstract
Cet article évalue l’influence des établissements sur l’obtention du diplôme et se fonde sur une étude de cohorte de plus de 44 000 étudiant⋅e⋅s ayant commencé leurs études collégiales en 2009. L’étude tient compte des principales variables scolaires et socioéconomiques susceptibles d’influencer la réussite scolaire. Elle utilise une approche soustractive et des modèles multiniveaux de régressions logistiques mixtes pour analyser les variables individuelles et de composition les plus importantes. Les résultats appuient l’hypothèse selon laquelle les établissements collégiaux et les programmes exercent une influence statistiquement significative sur la réussite scolaire et expliquent en bonne partie la variance observée. Les résultats montrent aussi que le classement des établissements collégiaux, fondés sur des données agrégées par établissement, sont fortement biaisés. Enfin, ces résultats n’appuient pas l’hypothèse d’un système d’éducation québécois inégalitaire, pour le collégial, et invitent à mener des études équivalentes, soustractives et multiniveaux pour les autres ordres d’enseignement.
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 | 0.029 | 0.085 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| 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".