L'abandon des études doctorales à l'Université Laval : facteurs associés et motifs de départ
Bibliographic record
Abstract
L'étude a pour objectif général d'évaluer quels sont les facteurs associés à l'abandon des études doctorales à l'Université Laval. Plus spécifiquement, elle poursuit deux sous objectifs: vérifier s'il est possible de trouver des différences statistiquement significatives entre les décrocheurs et les diplômés en fonction des facteurs associés à l'abandon dans la littérature et examiner quels sont les motifs de persévérance et de départ invoqués par les participants. Ainsi, un groupe de 51 décrocheurs et de 62 diplômés (représentant 78% de la totalité des étudiants qui ont été rejoints dans le cadre de l'étude) ont répondu à un questionnaire évaluant différents facteurs qui avaient été associés à l'abandon dans la littérature. Les résultats des tests inférentiels indiquent que les décrocheurs et les diplômés se distinguent d'une façon statistiquement significative en fonction des facteurs suivants l'âge, la source de financement, la congruence entre l'objet des études et l'objet du travail rémunéré, le fait d'être parent, le soutien apporté par les proches hors-campus, la motivation, la procrastination, l'intégration académique et sociale, la relation entretenue avec le directeur de thèse, l'étape du choix du sujet de thèse et de l'élaboration du projet de thèse et le régime d'études. Lorsque ces résultats sont mis en parallèle avec les motifs invoqués par les participants et avec les résultats des études recensées, il ressort que ce sont la source de financement, la motivation, l'intégration académique et sociale, la relation entretenue avec le directeur de thèse et le régime d'études qui représentent les avenues de recherche les plus prometteuses. À partir de ces résultats, des recommandations en termes de recherches et de politiques sont émises.
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 | 0.017 | 0.045 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".