The Internationalization of Higher Education
Bibliographic record
Abstract
Ce mémoire de recherche vise à comprendre l’intervention d’une stratégie d’attractivité pour les étudiants internationaux en l’année 2018. Le contexte de son élaboration, les enjeux qu’elle soulève ainsi que les logiques à l’œuvre de l’attractivité et de l’accueil seront étudiés. Le caractère inédit de cette stratégie décidée par le gouvernement français recèle tout l’intérêt du sujet, d’autant que le cas particulier de la migration étudiante est encore trop peu souvent analysé au regard de l’augmentation des flux dont ils font l’objet. La stratégie Bienvenue en France, en tant que réaction et réponse à un constat et à une insatisfaction, nous montre une nouvelle prise de considération pour ce public discret qui est pourtant un indicateur du fonctionnement de la diplomatie d’influence de la France. Revenir sur l'histoire des mobilités étudiantes en Europe et en France (I) permet de rendre compte, à travers l'arrivée et la prise en considérations des classements internationaux, ce qui se joue à travers les mobilités (II). L'enjeu de nature politique qui en découle est la conséquence de plusieurs facteurs que ce travail de recherche tente de mettre en lumière. Cela mènera à l'étude de la stratégie Bienvenue en France composée de trois axes qui se veulent holistiques.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.000 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.002 |
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".