Mesure et Analyse de l’Efficacité des Etablissements de la Formation Professionnelle en Tunisie
Notice bibliographique
Résumé
Le présent travail a pour objectif de mesurer et d’analyser l’efficacité des établissements de la formation professionnelle en Tunisie. Pour cela, une méthodologie en deux étapes a été utilisée. La première étape concerne l’estimation de l’efficacité technique par le modèle BCC (1984). La deuxième étape estime l’efficacité allocative en utilisant les modèles des coûts d’ombre: Kumbhakar (1996) et Balk (1997). Les principaux résultats montrent, d’une part, que ces établissements peuvent être classés, par niveau d’efficacité technique, en trois groupes. Le groupe hautement efficace, dont les scores dépassent 0.8, renferme 20% des établissements. Le groupe moyennement efficace, dont les scores sont entre 0.5 et 0.79, renferme 46%. Enfin, le groupe faiblement efficace, avec des scores inferieurs à 0.5, contient le reste des centres. D’autre part, les résultats montrent que les centres sont allocativement efficaces (> 0.8). This paper aims to measure and analyze efficiency of public training establishments in Tunisia. For that, a two-stage methodology is used. The first stage estimates technical efficiency scores using the BCC model (1984). The second, based on results of the first stage, estimates allocative ones using shadow cost models: Kumbhakar (1996) and Balk (1997). The main results provide, on the one hand, that establishments could be classified, by technical efficiency level, into three groups. The most efficient group, with scores higher than 0.8, includes 20% of establishments. The middle efficient group, with scores between 0.5 and 0.79, represents 46%. Finally, the rest (34%) represent a lower efficient group with scores under 0.5. However, results show that centers are allocatively efficient (>0.8).
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».