Territorialité, mobilisation des communautés et persévérance scolaire : la diffusion d'une innovation sociale au Québec
Bibliographic record
Abstract
Le présent texte vise à exposer comment le modèle mis en place au Saguenay–Lac-Saint-Jean (SLSJ) pour prévenir l’abandon scolaire a pu contribuer à l’émergence d’un vaste projet collectif de mobilisation des forces vives de l’ensemble de la province de Québec (Canada) pour favoriser la persévérance scolaire et la diplomation. Amorcé en 1996 sous la forme d’une recherche-intervention, le projet du SLSJ repose sur le rapprochement de deux réalités (éducation et territoire) qu’il n’était pas usuel de juxtaposer à cette époque. Après avoir rappelé le contexte socio-historique de départ, les auteurs discutent des conditions d’émergence du Conseil régional de prévention de l’abandon scolaire (CRÉPAS), lesquelles ont permis d’expérimenter un partenariat entre la société civile et l’État. Les pratiques s’inscrivent dans la logique du développement communautaire et de l’intervention collective alors que le territoire sert d’ancrage à la mobilisation régionale et locale. Les auteurs font part des principaux indicateurs en matière de persévérance scolaire, de santé et de bien-être qui témoignent des effets plutôt favorables d’une pareille innovation sur les jeunes de cette région. Les résultats obtenus ont ensuite contribué à la notoriété de l’expérience du SLSJ. Cette dernière a été largement diffusée et elle a inspiré de récentes stratégies adoptées au Québec pour augmenter la diplomation au secondaire chez les moins de vingt ans.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".