Comparaison de méthodes sur un modèle de prédiction de la réussite universitaire
Bibliographic record
Abstract
Depuis longtemps, l'échec scolaire en premiêre année universitaire alimente bon nombre de débats. De nombreux psychopédagogues ont tenté de le comprendre puis de l'expliquer. De nombreux statisticiens ont quant à eux essayé de le prévoir. Nos recherches visent à établir un modêle permettant de déterminer le plus tôt possible dans l'année le groupe des étudiants de premiêre année sur qui il faut cibler en priorité les ressources pédagogiques dont on dispose afin d'améliorer le taux de réussite. Pour cela, nous avons transposé sous forme de questionnaire les hypothêses posées dans de nombreux modêles théoriques. Ensuite, aprês avoir récolté via ce questionnaire des données suffisamment nombreuses et diverses, l'objectif a été d'extraire de l'information via des méthodes statistiques ou de fouille de données (data mining) et ainsi permettre la classification des étudiants en trois classes les plus homogênes possibles. Cet article décrit la méthodologie adoptée, les variables qui ont été analysées et les méthodes qui ont été utilisées et comparées. Avec la mise en parallêle des résultats fournis par les diverses méthodes (analyses discriminantes, régressions, ensembles approximatifs, arbres de décision, etc.), il est possible de mettre en lumiêre leurs différences de performance. En effet, certaines méthodes se sont montrées plus efficaces en terme de taux de prédictions correctes réalisées, là o๠d'autres ont surtout été intéressantes pour leur capacité à mettre en évidence les facteurs prédictifs de la réussite universitaire.
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 | 0.065 | 0.158 |
| Meta-epidemiology (narrow) | 0.003 | 0.001 |
| Meta-epidemiology (broad) | 0.003 | 0.007 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.004 | 0.004 |
| Research integrity | 0.003 | 0.006 |
| Insufficient payload (model declined to judge) | 0.010 | 0.003 |
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".