Performance scolaire dans les écoles en présence d'asymétrie dans les effets de pairs
Bibliographic record
Abstract
Dans ce mémoire, nous utilisons un modèle linéaire en moyenne pour évaluer l’impact des pairs sur les performances scolaires. Notre modèle, exploite la variation dans la taille des groupes comme source d’identification. Des effets fixes sont introduits pour tenir compte de l’effet des caractéristiques inobservées. Le modèle est estimé par la méthode du maximum de vraisemblance. Pour réaliser les estimations, nous avons utilisé des données qui proviennent d’une base données du Ministère de l’Éducation du Loisir et du Sport de Québec. Cette base contenait des informations sur les notes, le niveau d’étude, l’âge, la langue parlée à la maison et le statut socio-économique des élèves ayant passé en Juin 2005, l’examen de fin de cycle du secondaire. Dans le cadre de cette étude, l’examen de l’impact des garçons sur les résultats des garçons, a mis en évidence des effets endogènes significatifs et positifs en mathématiques et en histoire. Cependant, l’impact des filles sur les performances des filles a quant à lui mis en évidence des effets endogènes significatifs et positifs en français, mathématiques et histoire. L’effet endogène intra-genre, obtenu dans le sous-groupe des garçons est de l’ordre 0,833 en mathématiques. Dans le sous-groupe des filles, nous avons trouvé un estimé de l’ordre de 0,57 dans la même matière.
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 | 0.009 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 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".