Impact de la COVID-19 sur les apprentissages en lecture en 2 <sup>e</sup> année en contexte minoritaire francophone : analyse des facteurs de résilience ayant atténué les effets négatifs de la pandémie sur la réussite scolaire au Nouveau-Brunswick
Bibliographic record
Abstract
La COVID-19 a conduit à la fermeture des écoles au printemps 2020 et affectant plus de 30 000 élèves dans le secteur éducatif francophone du Nouveau-Brunswick. L’article examine l'impact des fermetures d'écoles au Nouveau-Brunswick sur les apprentissages des élèves en lecture en 2 e année (n = 2097) ainsi que des facteurs de résilience pour la continuité des apprentissages à la maison. Les données d’évaluations provinciales, celles relatives au développement de l’enfant à la maternelle et le sondage administré après la réouverture des écoles, sont utilisées pour répondre aux questions de recherche : 1) Quel a été l’impact de la COVID-19 sur les résultats d’apprentissages des élèves en lecture en 2 e année du primaire? 2) Quelle est l’ampleur de l’écart d’apprentissage créé par la COVID-19 entre les élèves qui étaient à risque à l’entrée à la maternelle et les autres qui étaient à développement approprié? 3) Quels sont les facteurs de résilience qui ont atténué l’impact de la COVID-19 sur la réussite scolaire? 4) Quelles sont les tailles d’effets de ces facteurs de résilience? La méthode d’appariement par les scores de propension et la régression logistique binaire multivariée ont permis d’apporter des réponses à ces questions. Des pistes de recherches futures sont proposées.
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 | 0.008 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".