Bibliographic record
Abstract
L a partie 2 de cet ouvrage porte sur le la réussite à l'école.Six chapitres la composent, certains d'entre eux étudient la réussite à l'école sous l'angle de la réussite scolaire, alors que d'autres adoptent plutôt la perspective de réussite éducative, souvent mise en relation avec l'éducation inclusive.Les quatre premières contributions sont canadiennes.Successivement, des auteurs et autrices universitaires de la Nouvelle-Écosse, du Québec, du Manitoba et de l'Alberta portent un regard provincial sur la question de la réussite à l'école dans leurs provinces respectives.Les deux contributions suivantes sont européennes.Tour à tour, des auteurs et autrices universitaires de la France et de la Roumanie portent un regard national sur la question de la réussite à l'école dans leur pays respectif.Dans ces six chapitres, il s'agit alors, pour le lectorat, de mieux saisir la façon dont, provincialement au Canada ou nationalement en Europe, la question de la réussite de l'élève à l'école est envisagée, définie et investie au moyen des textes officiels, de textes scientifiques, voire d'informations contextualisées, puis, en fonction de ces éléments, de prendre connaissance de recommandations pouvant être émises au bénéfice, dans ces pays et provinces, de cette réussite.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.009 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.091 | 0.022 |
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".