MétaCan
Menu
Retour à la cohorte
Enregistrement W2104900628

Una tipología de desajustes entre competencias y educación utilizando un análisis comparativo entre países

2015· article· es· W2104900628 sur OpenAlexaboutno aff
Jean‐François Giret, Christine Guégnard, Jake Murdoch

Notice bibliographique

RevueRevistes Científiques de la University of Barcelona (University of Barcelona) · 2015
Typearticle
Languees
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTypologyNorwegianQuarter (Canadian coin)NoveltySociologyIdeal (ethics)Value (mathematics)PedagogyPsychologyPolitical scienceSocial psychologyGeographyMathematicsPhilosophyLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Este trabajo tiene como objetivo discutir el valor de los títulos de educación superior y la situación de postergación de los graduados en el mercado laboral. Su novedad consiste en comparar las habilidades adquiridas y requeridas en el empleo, mediante una autoevaluación realizada por los jóvenes graduados de educación superior en nueve países de Europa, Japón y Canadá. Más precisamente, se expone la frecuencia de desajustes entre titulación y habilidades utilizando tres estudios de graduados de educación superior, dos estudios internacionales (Cheers y REFLEX) y una encuesta canadiense (NGS). Definimos posible sobre-educación y desajuste en las habilidades, y a continuación presentamos una tipología empírica para mostrar los casos más frecuentes de desajustes. La situación ideal que corresponde a una combinación perfecta entre titulación y habilidades sólo cubre una cuarta parte de los graduados. Graduados noruegos y holandeses son más propensos a estar en esta situación. Nuestros resultados indican también dificultades para los diferentes sistemas educativos en la producción de las habilidades necesarias, incluso si una proporción de graduados son sobre-educados. La falta de coincidencia de ciertas habilidades es más marcada que otras en dicha tipología. Este es especialmente el caso en competencias como la capacidad de resolver problemas y en aplicar el pensamiento analítico.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,022
Tête enseignante GPT0,227
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevistes Científiques de la University of Barcelona (University of Barcelona)Même sujetLabor market dynamics and wage inequalityTravaux en français237 207