Les facteurs familiaux associés aux élèves à risque de décrochage scolaire de niveau secondaire
Bibliographic record
Abstract
Les récentes données statistiques publiées par le Ministère de l'éducation du Québec (1999) indiquent que près de 31,0% des élèves québécois ne terminent pas leurs études secondaires. De nombreux facteurs tant personnels, sociaux qu'environnementaux ont été associés à l'élève décrocheur. Certains auteurs croient cependant qu'il est préférable de connaître la nature des facteurs associés lorsque les élèves fréquentent la classe et qu'ils présentent un risque potentiel de décrocher. L'étude tend à identifier les facteurs familiaux associés aux élèves à risque de décrochage scolaire. Cette recherche vise trois objectifs: identifier, parmi un ensemble de variables familiales telles les caractéristiques socio-démographiques et le fonctionnement de la famille, les facteurs associés au risque de décrochage scolaire chez des élèves de troisième année du secondaire; déterminer les facteurs familiaux qui prédisent le mieux le risque de décrochage scolaire chez les filles et les garçons; déterminer les facteurs familiaux qui prédisent le mieux le risque de décrochage scolaire chez les élèves de faible statut socio-économique et les élèves de statut socio-économique moyen-élevé."--Résumé abrégé par UMI
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".