Prévenir le décrochage scolaire à l’issue du tronc commun en Fédération Wallonie-Bruxelles : des solutions inspirées de témoignages de jeunes en difficulté
Bibliographic record
Abstract
La présente recherche vise à mettre en évidence les mesures et pratiques scolaires susceptibles de limiter le décrochage des jeunes en difficulté au terme du (nouveau) tronc commun en Fédération Wallonie-Bruxelles. L’objectif est de comprendre, par le biais d’entretiens biographiques, l’expérience de 21 jeunes qui ont vécu des difficultés académiques et/ou relationnelles à l’école. On veut ainsi déterminer quels accompagnements l’institution pourrait envisager pour prévenir ou remédier au décrochage. Les résultats montrent que la transition entre les grades 9 et 10 est une période charnière pendant laquelle les adolescent·es ressentent une rupture dans la satisfaction de leurs besoins fondamentaux. Ils mettent en évidence les difficultés qui peuvent mener au désengagement progressif des jeunes tout en mettant en lumière les formes pédagogiques favorables à leur accrochage scolaire. La discussion souligne la nécessité d’encourager une vision plus évolutive de l’intelligence, des pratiques d’activation cognitive, des dispositifs permettant de saisir l’utilité de l’enseignement ainsi que ceux visant à mieux organiser le soutien académique et socioémotionnel.
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 | 0.005 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.015 | 0.004 |
| Scholarly communication | 0.007 | 0.004 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 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".