Prédiction de l’abandon institutionnel au premier cycle universitaire à partir des principaux facteurs associés au phénomène
Bibliographic record
Abstract
Cette étude a pour objectif principal de prédire la probabilité d’abandon institutionnel chez les étudiantes et étudiants de premier cycle universitaire à partir des principaux facteurs associés à l’abandon identifiés dans la littérature scientifique. L’abandon des études postsecondaires impliquant de lourdes conséquences non seulement pour la population qui abandonne, mais également pour l’institution scolaire et la société (Sauvé, Debeurme, Fournier, Fontaine et Wright, 2006), l’étude de cette problématique sociale dans le cadre du présent projet de recherche est plus que jamais justifiée. Au Québec, 32,4 % des étudiantes et étudiants dont la dernière année d’inscription dans un programme de baccalauréat était en 2008-2009 ont cessé leurs études sans avoir obtenu leur diplôme (Gouvernement du Québec, 2011). Quelques études québécoises ont déjà été menées, par le passé, pour mieux comprendre les facteurs influençant l’abandon chez la population universitaire. Toutefois, peu d’entre elles traitent de l’effet combiné des principaux facteurs d’influence connus de l’abandon des études, d’où la pertinence d’investiguer sur le sujet. La présente étude vise donc à documenter l’effet combiné des caractéristiques de préadmission, des buts et engagements, des expériences institutionnelles et d’autres facteurs externes sur les probabilités d’abandon institutionnel, en plus de déterminer le poids relatif de ces quatre catégories de facteurs et des facteurs individuels statistiquement significatifs. Pour identifier les principaux facteurs associés à la persévérance et à l’abandon des études de premier cycle universitaire, le cadre théorique de Tinto (1993) a été mobilisé et une recension des écrits scientifiques sur le sujet a été effectuée. Pour répondre aux objectifs précédents, les données de 1008 étudiantes et étudiants de l’Université de Sherbrooke étant inscrits à un programme de baccalauréat à l’automne 2008 ont été recueillies via un questionnaire en ligne de 68 questions et des dossiers académiques institutionnels. Parmi toutes les variables mises à notre disposition, 12 ont été sélectionnées pour être examinées en relation avec la variable dépendante. Ces variables prédictrices se divisent en quatre catégories calquées sur les regroupements de Tinto, soit les caractéristiques de préadmission (sexe, âge, cote de rendement au collégial, aide financière du gouvernement et situation financière autoévaluée), les buts et engagements (engagement institutionnel, engagement envers les buts, heures d’études hebdomadaires et régime d’études à l’automne 2008), les expériences institutionnelles (moyenne cumulative à l’automne 2008) et les facteurs externes (soutien de l’entourage et heures de travail hebdomadaires). Quant à la variable dépendante, soit l’abandon institutionnel, elle provient des dossiers académiques de l’université et informe quant à la situation scolaire des étudiantes et étudiants six ans après le début de leurs études. Elle indique, en date de la session d’automne 2014, si l’étudiante ou l’étudiant a abandonné son institution scolaire (non obtention d’un quelconque diplôme) ou s’il a persévéré (obtention d’un diplôme ou inscription dans un autre programme sans avoir interrompu ses études à un quelconque moment). Enfin, pour atteindre les objectifs ciblés, une régression logistique avec entrée forcée par bloc a été modélisée. Les résultats obtenus par le biais des analyses statistiques révèlent que le modèle global comprenant toutes ces variables est significatif, ce qui veut dire qu’il prédit mieux l’abandon institutionnel que ne le fait un modèle sans prédicteur. Quant aux blocs de variables, les seuls qui sont significatifs sont celui des caractéristiques de préadmission et celui des buts et engagements. Enfin, quatre variables sont ressorties comme étant associées significativement à l’abandon institutionnel soit, par ordre d’importance, l’engagement envers les buts fixés, l’engagement institutionnel, l’âge et le nombre d’heures consacrées aux études en dehors des heures de classe. Cette étude a quelques limites, dont celle de comporter peu de variables comparativement à ce qui est suggéré dans le modèle théorique de Tinto (1993). Elle mesure aussi l’abandon institutionnel plutôt que de mesurer l’abandon scolaire en général, ce qui contribuera probablement à catégoriser faussement quelques personnes comme ayant abandonné quand, en fait, elles ont seulement changé d’institution scolaire. Enfin, quelques corrélations de force moyenne ont aussi été décelées entre certaines variables prédictrices, occasionnant possiblement des réactions particulières chez certaines variables, dont des phénomènes de suppression. Dans un autre ordre d’idées, cette étude comporte plusieurs forces, dont celle d’avoir été conçue à partir d’une recension des écrits rigoureuse permettant de cibler adéquatement les principaux facteurs de risque de l’abandon. Elle a aussi l’avantage de comporter un large échantillon (n = 1008) et son devis longitudinal permet d’évaluer la situation des étudiantes et étudiants six ans après le début de leur formation, ce qui donne la chance à ces derniers de prendre le temps qui leur est nécessaire pour compléter leur programme sans qu’ils ne soient faussement considérés comme l’ayant abandonné. En conclusion, puisque peu d’études québécoises ont évalué, par le passé, l’effet combiné des principaux facteurs d’influence connus de l’abandon des études postsecondaires, la présente étude aura comme retombées de permettre à la population québécoise de mieux connaître la situation de la province à ce niveau. Non seulement la population étudiante et celle envisageant étudier pourront en retirer des bénéfices, mais aussi les institutions scolaires et la société québécoise. Plus précisément, la diffusion des résultats de notre étude pourrait permettre à la population étudiante actuelle et future d’être plus au fait des facteurs de risque de l’abandon institutionnel au premier cycle universitaire et de mieux se préparer à la réalité qui risque de lui être imposée. De surcroît, les institutions pourraient avoir plus d’idées pour mettre en place des mesures favorisant la persévérance scolaire, par exemple en instaurant des mesures favorisant l’engagement. Enfin, la société québécoise pourrait ultimement faire de grandes économies si les résultats de notre étude pouvaient contribuer à faire diminuer, ne serait-ce qu’un peu, le taux d’abandon institutionnel au premier cycle universitaire.
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 | 0.007 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 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".