Portrait des écarts d’anxiété mathématique selon le genre et du lien anxiété mathématique/performances en mathématiques chez les élèves québécois francophones de 15 ans ayant participé au PISA de 2003 et de 2012
Bibliographic record
Abstract
Cet article brosse le portrait des écarts d’anxiété mathématique selon le genre et du lien anxiété mathématique/performances en mathématiques chez les élèves québécois francophones de 15 ans ayant participé au PISA de 2003 et de 2012. Après avoir vérifié l’invariance métrique et scalaire de la mesure d’anxiété mathématique du PISA, entre les garçons et les filles, les résultats de cet article révèlent qu’en moyenne, les filles francophones de 15 ans du Québec font état d’un niveau d’anxiété mathématique statistiquement plus élevé que les garçons. En outre, les résultats de 2003 et de 2012 montrent que le lien négatif anxiété mathématique/performances en mathématiques est équivalent chez les garçons et chez les filles et donc, qu’il ne semble pas y avoir d’effet de modération de ce lien, par le genre. De là, l’article se penche sur les stratégies d’intervention qui pourraient permettre de réduire l’importance du lien négatif anxiété mathématique/performances en mathématiques, chez les personnes qui se disent anxieuses à l’égard des mathématiques.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".