Vécu des étudiantes et des étudiants en démarche de reconnaissance des acquis et des compétences à l’Université du Québec à Montréal
Bibliographic record
Abstract
L’enquête dont fait état ce rapport visait à documenter et comprendre le vécu des étudiantes et étudiants universitaires relativement à la reconnaissance des acquis et des compétences (RAC). \n \nPour ce faire, le questionnaire adoptait une approche par questions d’ordre général puis par sous-questions thématiques. Les questions d’ordre général visaient à mieux connaître la situation académique et sociodémographique des répondants. Les sous-questions thématiques s’adressaient pour leur part à des sous-ensembles restreints de répondants en fonction de leur expérience. Les thèmes abordés sont : La reconnaissance des acquis scolaires (RAS), l’expérience professionnelle préalable, la reconnaissance des acquis extrascolaires (RAE), les personnes issues de l’immigration. \n \nOn constate qu'il se fait un nombre appréciable de démarches de RAS et de RAE, mais plusieurs données permettent d’envisager que ce nombre pourrait être décuplé. Les personnes immigrantes sont particulièrement interpellées par cette question et avec raison, puisqu’elles récoltent généralement moins de crédits et font plus souvent face à des déceptions. Les pistes de solutions passent donc par une diffusion beaucoup plus importante de l’existence de la RAC, des possibilités qu’elle offre, de même que par une structuration des mesures d’aide de façon à les rendre plus accessibles, mais surtout à garantir une aide individualisée lorsque la personne en a besoin.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 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) | 0.017 | 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".