Différenciation curriculaire, ségrégation scolaire et réussite des élèves : analyse multiniveau en contexte scolaire québécois
Bibliographic record
Abstract
Ce mémoire présente les résultats d’une recherche à devis quantitatif menée auprès de 968 élèves de deuxième secondaire d’une commission scolaire de l’Estrie lors de l’année 2013-2014. Cette démarche est initiée à la suite du constat de l’augmentation de l’offre des programmes pédagogiques particuliers au secondaire au Québec et des mécanismes de sélection qui y sont liés. Selon Felouzis et Charmillot (2013), un tel contexte peut avoir une influence négative sur la réussite des élèves, notamment lorsque l’offre scolaire crée de la ségrégation scolaire et sociale. L'objectif de l'étude est d’analyser la ségrégation scolaire qui découle de la différenciation curriculaire et ses effets sur la réussite des élèves. Une attention particulière est portée aux élèves ayant une cote d’élève handicapé ou en difficulté d’adaptation ou d’apprentissage (EHDAA) et aux élèves issus de milieux défavorisés. Dans un premier temps, les observations révèlent une répartition inégale des élèves ayant une cote EHDAA et ceux issus de milieux défavorisés qui se retrouvent principalement dans les groupes-classes du régulier. De plus, des contrastes concernant les moyennes de performances scolaires ainsi que les moyennes de niveau de défavorisation sont observés parmi les groupes-classes. Dans un deuxième temps, une modélisation multiniveau est réalisée à partir d’un examen de mathématique standardisé. L'analyse révèle que trois variables individuelles sont associées aux résultats de l'examen : le sexe, la note obtenue en sixième année et l'indice de défavorisation matérielle. Au niveau du groupe-classe, les observations montrent que pour deux élèves ayant le même sexe, qui ont obtenu la même note en sixième année et qui ont le même niveau de défavorisation matérielle, l’élève placé dans le groupe-classe dont la moyenne de défavorisation matérielle est la plus faible gagnera sur le plan de la réussite scolaire étudiée. En ce sens, le rôle joué par l’organisation des groupes-classes en fonction des programmes pédagogiques particuliers est questionné afin d’expliquer la ségrégation scolaire observée.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".