L’évaluation de l’implantation et des retombées du service des aides à la vie étudiante en milieu universitaire
Bibliographic record
Abstract
La précarité de la santé mentale des étudiantes et étudiants universitaires est préoccupante et peut avoir de nombreuses conséquences sur leur vie. Des services d’aide sont offerts par les universités, mais il s’agit généralement d’initiatives locales qui demeurent peu évaluées. L’université de Sherbrooke a implanté le service des Aides à la vie étudiante (AVE) pour soutenir les personnes étudiantes sur les plans personnel, universitaire et professionnel. Cet article vise à identifier les facteurs qui influencent l’implantation du service des AVE selon le modèle de Chen (2015). Une méthodologie mixte est mobilisée pour ce faire. Des entrevues individuelles semi-dirigées ont été menées auprès de cinq partenaires de l’université, quatre AVE et neuf personnes étudiantes. Des questionnaires ont aussi été utilisés auprès de 47 AVE et 70 personnes étudiantes. Un logiciel de suivi des rendez-vous rempli par les AVE est également mobilisé. Les résultats font état des facteurs qui favorisent ou nuisent à l’implantation du service des AVE et de ses retombées, puis ils sont discutés et mis en relation avec d’autres études. L’identification de ces facteurs peut contribuer à déterminer des lignes directrices à considérer dans l’implantation de services de soutien individuels et personnalisés s’adressant aux personnes étudiantes en milieu universitaire. Également, les retombées majoritairement positives sur les AVE, les personnes étudiantes et l’université appuient la pertinence de ce type de service d’aide.
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 | 0.052 | 0.108 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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; 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".