Favoriser les transitions afin de souvenir la persévérance scolaire des étudiants.es autochtones au Saguenay-Lac-Saint-Jean
Bibliographic record
Abstract
Le présent rapport fournit aux acteurs.trices concernés.es des données inédites afin de bonifier leurs interventions. Les résultats permettront, nous l’espérons, de briser les silos d’intervention à l’échelle régionale et de favoriser une meilleure rétention des étudiants.es autochtones au SLSJ. Ce rapport fait état des travaux réalisés dans le cadre du projet de janvier à juin 2022. Alors que la première partie propose une brève revue de la littérature scientifique traitant de la transition des étudiants.es autochtones aux études supérieures, la seconde présente le contexte de l’étude, en précise les objectifs et en expose la méthodologie utilisée. La troisième partie brosse un portrait des mesures mises en place dans les institutions d’enseignement supérieur du SLSJ pour soutenir la transition aux études postsecondaires des étudiants.es autochtones. Alors que la quatrième partie s’attarde à leur vécu lors de leur entrée au collégial et/ou à l’université, la dernière partie fait le point sur les enjeux, les défis et les mesures d’accueil et de soutien des étudiants.es autochtones mises en place dans les établissements d’études supérieures du SLSJ.
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 | 0.015 | 0.034 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.038 | 0.004 |
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".