Prédire la situation de risque des étudiants au collège hommes et étudiants ayant des incapacités : rapport final présenté à PAREA = Predicting the at risk status of college students : males and students with disabilities : final report presented to PAREA

Prédire la situation de risque des étudiants au collège : Hommes et étudiants ayant des incapacités Résumé Ce rapport porte sur la déperdition des effectifs postsecondaires et sur la performance des hommes (comparés aux femmes) et des étudiants ayant des incapacités, deux groupes qui ont fait l'objet de peu de recherche.La recherche traite de quatre principaux enjeux : 1) les différences en matière de modèles de déperdition des effectifs chez les sous-populations ciblées; 2) une comparaison des antécédents, des tranches de population, des variables psychosociales et relatives aux aptitudes scolaires qui mènent à la déperdition des effectifs et à une faible performance au premier semestre; 3) la valeur prédictive de ces variables pour les souspopulations en ce qui a trait au dépistage des étudiants qui sont à risque au moment où ils entrent au collège; 4) les raisons avancées par les étudiants pour expliquer leur abandon des études postsecondaires avant d'avoir obtenu leur diplôme.L'analyse incluait les étudiants qui, pour la première fois, commençaient leurs études dans un grand collège anglophone non résidentiel au Québec entre 1990 et 2007.Le collège offre des programmes de formation professionnelle de x orientation de carrière.Pour les hommes n'ayant pas d'incapacités, les raisons les plus fréquentes sont l'incertitude/changements concernant leur orientation de carrière et le fait qu'ils n'aimaient pas le programme dans lequel ils étaient inscrits.L'étude a confirmé notre hypothèse selon laquelle les étudiants qui partent pendant le premier et le deuxième semestre du programme donnent différentes raisons pour expliquer leur abandon des études collégiales comparés à ceux qui partent pendant leur troisième et quatrième semestre.Les étudiants qui abandonnaient pendant la première année étaient plus susceptibles de dire qu'ils étaient partis parce qu'ils n'étaient pas sûrs de leur orientation de carrière/changements, ou encore parce qu'ils n'aimaient pas le programme suivi.La réponse la plus fréquemment mentionnée par les étudiants qui quittaient leurs études plus tard est la faible motivation et d'autres facteurs au sein du collège.L'étude a aussi appuyé notre hypothèse selon laquelle les raisons du décrochage seraient les mêmes chez les hommes et chez les femmes, puisque trois des cinq principales raisons indiquées par les deux groupes étaient similaires.Cependant, la fréquentation de l'université et les problèmes liés aux incapacités et à la santé ne faisaient pas partie des cinq principales raisons pour les hommes, tout comme le fait de fréquenter un collège différent ou la fusillade qui a eu lieu au collège ne faisaient pas partie des cinq principales raisons pour les femmes. Prédire la déperdition des effectifs et la performance scolairePlusieurs variables ont été utilisées dans cette étude et ont été rapportées dans la littérature comme étant liées au départ des étudiants.Plusieurs de ces variables étaient statistiquement significatives dans les modèles que nous avons testés.Cependant, quand on les ajoutait au modèle des notes au secondaire, elles contribuaient peu à améliorer la capacité du modèle à distinguer entre le décrochage et la poursuite des études ou entre une performance scolaire faible ou élevée au premier semestre par rapport à ce que la variable des notes au secondaire permettait de faire.L'utilisation des courbes de ROC nous a permis d'améliorer la précision des modèles que nous avons testés, cependant, la précision des modèles du troisième semestre était faible.Dans une certaine mesure, c'était lié au fait que si peu d'étudiants décrochaient au troisième semestre par xi rapport au nombre de ceux qui restaient et que l'effet des faux positifs était élevé.Pour qu'un modèle soit précis quand le classifieur binaire comporte un grand déséquilibre en matière d'occurrences, la spécificité doit être très élevée.La précision et les tailles de l'effet s'amélioraient lorsque nous modélisions la déperdition des effectifs au dixième semestre.L'utilisation des coefficients des modèles du dixième semestre peut être un meilleur choix pour prédire la déperdition des effectifs pour un nouvel échantillon.Vers le dixième semestre, l'impact des variables sur les décisions des étudiants d'abandonner a eu le temps de se manifester.Cependant, cela comporte des inconvénients parce que les changements qui pourraient influencer les coefficients du modèle ne peuvent être détectés que bien plus tard. Profils des hommes et des femmes ayant des incapacités -RecommandationsGrâce aux résultats de cette étude et de nos précédents travaux, nous commençons à bâtir des profils d'hommes et de femmes ayant ou non des incapacités.Nous fournissons des recommandations basées sur nos résultats et ciblant les besoins de ces sous-populations.xii Predicting the At-Risk Status of College Students: Males and Students With Disabilities Executive SummaryThis report examines the postsecondary attrition and academic performance of males (compared to females) and students with disabilities, two groups on which limited research is currently available.The research addresses four main issues: 1) differences in attrition patterns among the targeted sub-populations, 2) a comparison of the background, demographic, psychosocial and study skill variables that lead to attrition and poor first semester performance, 3) the predictive value of these variables for the targeted sub-populations in identifying students who are at risk at the time they enter college and 4) reasons given by students for leaving postsecondary study prior to completing their diplomas.The analysis included those students who commenced studies for the first time at a large non-residential English college in Quebec between 1990 and 2007.The college offers three-year career programs (26% of enrolments) and two-year programs leading to university entrance (68% of enrolments).Six percent of students are also enrolled in qualifying studies.In addition to the high school average, we compared three groups of variables 1) six background variables obtained from the students' records (Records variables), 2) nine variables obtained from the college's annual incoming student survey (ISS variables) and 3) ten psychosocial and study skill variables obtained from the Student Readiness Inventory (SRI variables) (ACT Testing Services, 2008).The following provides a summary of the findings related to each of our research questions. Are the attrition patterns of students with and without disabilities similar?Although we anticipated that the attrition patterns for students with and without disabilities would be similar, this proved not to be the case.For both the three-year career programs and two-year pre-university programs, attrition rates were lower for students with disabilities in the early semesters.For pre-university programs the average rate of dropout between semester 1 and 3 over the period studied was 15.5% for students with disabilities vs. 25.7% for students without disabilities.However, the attrition rate for students with disabilities was higher between semesters 4 and 10 (23.3% for students with disabilities vs. 14.9% for students without disabilities).This pattern was also true in three year career programs.However, the graduation rates, as measured at the commencement of the 10 th semester, were similar for both groups.The xiii percentage of students who were still enrolled in the 10 th semester, with the potential to graduate at some future time, was somewhat higher for students with disabilities.The pattern of lower dropout in the early semesters, and higher dropout in later semesters held for both males and females with disabilities.Males dropped out at higher rates than females for both students with and without disabilities, with the attrition rate for males approximately 10% -12% higher by the tenth semester.Is the attrition rate of males the same as that of females, when corrected for high school average?Our hypothesis that males with high school averages below 80% drop out at higher rates than females with comparable averages, but that the gap narrows for averages above 80% was supported.Males entered the college with lower high school averages than females.Consequently, it was possible that the reason males dropped out at higher rates was solely a reflection of the difference in high school entry grades.The attrition rate of male students with high school averages below 80% was 8% -11% above that of females with high school averages in the same range.At an average above 80% the gap narrowed, and the attrition rate of males was only 2% higher.This held true regardless of disability.In other words, a large part of the problem of high rates of attrition in the male population was related to those males entering with high school averages in the lower range.Is the high school average the strongest predictor of both attrition and poor academic performance, but a better predictor of academic performance?Our hypothesis that the high school average would be the best predictor of both dropout and academic performance, but a better predictor of academic performance, was supported.The models showed that, of the variables we tested, the high school average was the best predictor of first semester grades and dropout by both the 3 rd and 10 th semester.The addition of background, demographic and psychosocial and study skill variables to the high school average did not improve the ability of the models we tested to predict academic performance, except marginally, and to a greater extent for males.The one exception was for females with disabilities, where the high school grade was not the best predictor of 3 rd semester attrition, although it was the best predictor of 10 th semester attrition.The metrics we used to compare the regression models xiv showed that the high school average was better able to discriminate between students achieving either high or low grades in the first semest

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.