L’influence des types conatifs sur le rendement scolaire d’un groupe d’élèves franco-albertains de niveau secondaire
Bibliographic record
Abstract
L’objectif de cette étude exploratoire consiste à vérifier l’influence des quatre types conatifs (Fact Finder/Follow Thru/Quick Start/Implementor) décrits par Kolbe (1990) sur le rendement scolaire. Soixante (60) sujets franco-albertains âgés de 14 à 17 ans ont été recrutés à cette fin. Le recrutement s’est fait à Edmonton dans une école alternative pour adolescents ayant des difficultés d’adaptation scolaire et dans une école secondaire régulière située dans cette même ville. L’instrument de mesure des types conatifs fut le Kolbe Youth Index (KYI) de Kolbe (2003). Les résultats montrent qu’un type conatif Fact Finder dans la zone Initiate est associé à un niveau de rendement scolaire élevé tandis qu’un type conatif Quick Start dans la même zone est lié à un niveau de rendement scolaire faible. Enfin, d’autres résultats indiquent qu’un rendement scolaire moyen est associé aux quatre types conatifs et ce, à des niveaux variables dans les zones (Prevent/Respond/Initiate).
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| 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".