New and Emerging issues in vocational education and training research beyond 2010
Notice bibliographique
Résumé
This paper is a cooperation between researchers from three areas of vocational education and training (VET) and lifelong learning research. It aims to identify several new and emerging issues that will be crucially relevant to VET research in the post-Lisbon decade. The paper begins by exploring the main drivers currently influencing European VET systems and draws up four scenarios for 2010-20, each of which may be a plausible outcome for future European governance, and by extension, VET governance. The contributors then explore the nature of uncertainty in the demand and supply sides of European and local labour markets, suggesting that research into the impact of these uncertainties will need to examine how individuals adapt to new situations, as well as the impact on the nature and structure of VET supply. The paper also attempts a forward looking analysis of innovative teaching and learning in VET - developing twin themes of supporting expert learners and a scholarship of teaching and learning in VET. There will clearly remain important and urgent items of unfinished business in European and national VET policy and implementation in 2010. This paper argues strongly that these are still important for Europe's future economic, social and environmental ambitions, that the achievement of currently agreed priorities will remain a vital political issue, and that research should have an important role in overcoming identified barriers and achieving success in these respects. The paper identifies several issues that remain underresearched. These include meeting the learning needs of older workers and diverse migrant communities. Finally, the paper identifies five new issues that VET research should concentrate on. Since so much policy and research attention at European level focused on the period from 2000 to 2010, this paper intends to make a contribution to opening the debate on European VET research priorities in the decade that will follow.
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 | 0,062 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,011 |
| Études des sciences et des technologies | 0,008 | 0,021 |
| Communication savante | 0,023 | 0,020 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,014 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».