L’abandon aux études doctorales : un problème de direction?
Bibliographic record
Abstract
En parcourant la littérature scientifique et professionnelle en enseignement supérieur, il arrive fréquemment de lire qu’un doctorant sur deux abandonne ses études. Un tel taux d’abandon est-il alarmant? Est-il réaliste, voire souhaitable, que tous les doctorants achèvent leurs études? Quelles que soient les réponses à ces questions, il est généralement admis que l’encadrement joue un rôle prépondérant dans la persévérance aux études. Toutefois, il n’est pas aussi aisé qu’il y paraît de questionner les pratiques pédagogiques dans le cadre de l’encadrement. Dans cet article, les auteures s’appuient sur les résultats d’une recherche menée auprès de 20 doctorants et de 20 directeurs de recherche sur leurs expériences de l’encadrement à la recherche. Elles se penchent sur les potentiels effets de l’encadrement sur la persévérance aux études doctorales en trois temps : 1) un recrutement guidé, dès le début, permet d’éviter certains abandons; 2) la communication transparente, notamment pour gérer les inévitables deuils, affecte favorablement la poursuite des études; 3) l’insertion professionnelle, pensée tout au long du parcours, permet de cibler des objectifs concrets et de mieux amener l’étudiant à se préparer à la suite. Les questions et les réflexions ponctuent cet article de manière à apporter un regard scientifique et pragmatique tout en admettant le travail qui reste à effectuer pour valoriser l’encadrement à la recherche et ses limites.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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; both teacher heads agree on what is shown here.
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".