L'accès à l'université : le Québec est-il en retard ?
Bibliographic record
Abstract
On confronte régulièrement l’enseignement supérieur du Québec à celui de l’Ontario en comparant la proportion de la population de chacune des provinces qui détient un diplôme universitaire. Comme la proportion est plus faible au Québec qu’en Ontario, on conclut que le système et les politiques québécoises ne sont pas efficaces. Or la composition de la population des deux provinces est différente : notamment la proportion des immigrants, dont plusieurs ont réalisé leurs études avant d’immigrer, est plus grande en Ontario qu’au Québec. Cette différence est importante parce que les immigrants sont nombreux à détenir un diplôme universitaire à l’arrivée et que, règle générale, les enfants de ces immigrants sont proportionnellement plus nombreux que le reste de la population à accéder à l’université. Pour obtenir un portrait plus juste, nous étudions l’évolution de l’accès à l’université par groupes sociolinguistiques et par cohortes au Québec et en Ontario.\nTrois principaux résultats ressortent de notre analyse : (1) les francophones du Québec accèdent aujourd’hui à l’université dans une proportion à peine plus faible que celle des anglophones de l’Ontario; \n(2) La proportion des anglophones qui accède à l’université est plus élevée au Québec qu’en Ontario; \n(3) dans tous les groupes, les enfants de parents qui ont étudié à l’université sont proportionnellement plus nombreux à accéder à l’université que les autres.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".