Impacts du redoublement sur les résultats scolaires : effets de la réforme québécoise de 2008
Bibliographic record
Abstract
Les systèmes d'éducation du monde sont généralement chargés de deux missions : la certification des qualifications des étudiants et la promotion de l'accessibilité de l'éducation et de l'équité. Ces missions entrent en conflit lorsqu'un étudiant se retrouve en situation d'échec. Une méthode régulièrement utilisée pour favoriser la réussite des étudiants en difficulté est le redoublement : l'obligation pour un étudiant dont la performance est insatisfaisante à recommencer une année scolaire. Au Québec, plus de 25 000 étudiants redoublent annuellement, ce qui représente un coût annuel direct de plus de 330 millions de dollars. Pour réduire ces coûts, le ministère de l'Éducation limite en 2008 le redoublement à un maximum attendu d'un par étudiant. Le présent mémoire propose ainsi d'estimer l'effet de cette réforme sur le redoublement ainsi que l'effet de ce dernier sur les résultats scolaires des étudiants québécois. La base de données du Programme international de suivi des acquis des étudiants (PISA) se prête bien à l'étude de cette problématique. Ce programme prend la forme d'un sondage et d'un examen administrés à un échantillon d'étudiants âgés de 15 ans dans les pays participants. La base de données PISA contient quelque 24 000 étudiants québécois, pour lesquels est disponible une grande variété de variables socio-économiques et scolaires, notamment. Considérant que le redoublement est attribué de manière non-aléatoire et que ses effets sont hétérogènes, ce mémoire propose l'utilisation d'estimation par forêt aléatoire causale, laquelle est adaptée à ces enjeux. Les résultats font état d'une diminution significative du nombre de redoublements attribuable à la réforme de 2008. L'effet moyen d'un redoublement chez l'étudiant moyen est la réduction de ses résultats par un facteur représentant plus d'une année scolaire perdue. Ces résultats suggèrent que le redoublement puisse être généralement nuisible pour les étudiants ; la réforme de 2008, puisqu'elle réduit significativement le redoublement, peut raisonnablement être considérée réussie.
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 | 0.006 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".