Les facteurs internes et externes ayant un impact sur le retour aux études universitaires des professionnels en transition de carrière
Bibliographic record
Abstract
Objet : Au Québec, comme dans le reste du Canada, le nombre de professionnels en reprise d’étude est en nette augmentation. Parmi ces professionnels, un certain nombre se trouve en situation de transition professionnelle après plusieurs années de travail. L'objectif de cette recherche est de déterminer quels facteurs influent sur les retours aux études de ces professionnels. Méthode : au total, 625 étudiants adultes de la faculté d’éducation permanente de l’Université de Montréal ont reçu une invitation à répondre à un sondage en ligne après avoir informé de leur intérêt pour notre étude. Le sondage en ligne a rendu possible la collection de 170 réponses (taux de réponses de 27,2%) à notre questionnaire de 64 questions. Les informations collectées ont permis la création de diverses variables ainsi que d’indices de confiance, de volonté, de temps, d’information qui ont par la suite été recoupés avec les informations dispositionnelles, situationnelles, institutionnelles et démographiques de notre échantillon. Découvertes : Il apparaît que la confiance, la motivation et le temps sont les facteurs ayant le plus d’impact sur le retour aux études de notre échantillon. Implication : Maintenir la motivation et la confiance semble être la clé pour minimiser l'impact de facteurs défavorables sur les professionnels qui décident de retourner à l'école après leur début de carrière. Originalité et intérêt : Peu d'études ont été réalisées sur la participation de ces professionnels en transition à des programmes de formation universitaire, cette étude exploratoire est un premier pas dans la collecte d’information sur une population méconnue.
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 | 0.006 | 0.021 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".