MétaCan
Menu
Retour à la cohorte
Enregistrement W2140943090 · doi:10.1080/13636821003690504

Learning by experience, work and productivity: theory and empirical evidence

2010· article· en· W2140943090 sur OpenAlexaff
K.V. Pankhurst

Notice bibliographique

RevueJournal of Vocational Education and Training · 2010
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésProductivityHuman capitalWork (physics)Empirical evidenceEconomicsSocial learningCognitionProcess (computing)Positive economicsPsychologySociologyEpistemologyComputer scienceEconomic growthEngineering

Résumé

récupéré en direct d'OpenAlex

This paper examines the nature and significance of learning by experience during work, both paid and unpaid. Data about the relationship between costs, especially labour costs, and output have come to be interpreted as evidence of learning by experience, but these grouped data are unable to explain the nature and process of individual experience or learning. Direct and detailed evidence from recent case studies, analysed using theories of the open employment contract and continuous cognitive reformulation, illustrates an active, reiterative relationship between work and learning that generates productivity. The analysis of individual behaviour modifies concepts and theories of human capital and mobility, and also has wider implications for economic and social theories, and for research.

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)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,307
Score d'incertitude au seuil0,266

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,324
Écart entre enseignants0,257 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations16
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Vocational Education and TrainingMême sujetLabor market dynamics and wage inequalityTravaux en français237 207