Bibliographic record
Abstract
L’article PEICA Canada 2022 – Analyse de nouvelles données pour le Québec fait état que : « Dans plusieurs juridictions, il existe un écart entre les filles et les garçons en matière de réussite scolaire. Ce phénomène, bien que les comparaisons internationales se butent à des structures scolaires différentes, est particulièrement bien ancré au Québec. » (Langlois, février 2025). Ayant consacré mon projet doctoral à mieux comprendre cet écart de réussite, la stagnation de la situation reste plus que préoccupante. Dans ma recherche portant sur le désengagement des garçons du secondaire envers les activités en lecture dans les classes de français langue seconde (FLS), la question du sentiment d’efficacité personnelle (SEP) a rapidement pris une place centrale au sein de cette recherche. Ayant eu l’occasion de sonder par questionnaire 146 élèves du secondaire (de 1 re à 3 e secondaire) afin de mesurer leur SEP en lecture et connaître les expériences vécues en lecture, j’ai pu par la suite animer trois groupes de discussion impliquant 14 garçons qui ont clairement mentionné leur désengagement envers la lecture dans les cours de FLS (10 des 14 participants) et permis d’identifier les pratiques d’enseignement de la lecture en FLS auxquelles ces élèves du secondaire ont le plus souvent été exposées et celles méritant d’être bonifiées (Bazinet, 2021).
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 | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.012 | 0.004 |
| Scholarly communication | 0.009 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.020 | 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".