Notice bibliographique
Résumé
T he Lumina Foundation’s guiding star for activity—its “Big Goal”—is that by 2025 at least 60 percent of Americans will possess high-quality postsecondary credentials with labor market value. The main reason the 60 percent mark has been adopted by most organized completion initiatives is that many other countries are approaching that percentage, and reaching that postsec-ondary credential saturation point would meaningfully improve America’s global competitiveness. 1 Countries like Canada, South Korea, and Japan, for example—all of which are poised to achieve 60 percent college degree attainment rates by 2020—have been doing a much better job credentialing their citizens than has America. 2 And, while the highest-achieving American students perform as well as their highest-achieving peers around the world, America’s aggregate achievement continues to descend in international rankings. 3 Unfortunately, if the degree change rate of 37.9 percent in 2008 for Americans aged 25–64 to 38.3 percent in 2010 remains steady, by 2025 less than 47 percent of Americans will hold two- or four-year degrees, far short of the projected 60 percent needed to fill the higher-paying American jobs that will require postsecondary education and/or training. 4 By 2011, the rate had only crept up to 38.7 percent, a gain of less than 1 percent in three years. 5 These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,006 |
| Communication savante | 0,014 | 0,009 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,031 |
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 source (Gemma direct ou Codex distillé), 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 ».