Estimation de l'impact des pairs sur la réussite scolaire
Bibliographic record
Abstract
Dans ce travail, nous estimons l'impact des pairs sur la réussite scolaire au Québec. Nous utilisons des données provenant du Ministère de l'Éducation, du Loisir et du Sport contenant les résultats de l'examen commun de mathématiques du ministère pour les élèves de niveau secondaire 4 pour l'année 2005. Nous utilisons un modèle de type SAR (spatial autoregressive model ) avec effets fixes de groupe s'inspirant de Lee (2007). Notre modèle prend en compte les inobservables dans la structure du groupe qui peuvent être corrélés avec les variables explicatives (cela nous permet donc théoriquement de résoudre les deux problèmes économétriques auxquels on a à faire face, soit le problème d'endogénéité et celui des variables corrélées). Ce modèle a été estimé en utilisant une méthode de moindres carrés en deux étapes généralisés (appelée aussi "méthode de variables instrumentales généralisées"). Nous exploitons la variation dans la taille des groupes pour identifier notre modèle. Notre estimateur est convergent et asymptotiquement efficace dans la classe des estimateurs de variables instrumentales. Nous trouvons un effet endogène négatif et significatif de la note moyenne du groupe de l'élève sur sa propre note. Un tel effet pourrait s'expliquer par un effet de découragement ou de congestion. Il pourrait aussi provenir du fait qu'on n'observe pas le véritable groupe de référence de l'élève (e.g. ses amis).
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 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".