MétaCan
Menu
Retour à la cohorte
Enregistrement W2554460942 · doi:10.1057/978-1-137-46781-2_28

Career Management Over the Life-Span

2016· book-chapter· en· W2554460942 sur OpenAlexaboutno aff
Ulrike Fasbender, Jürgen Deller

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2016
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueRetirement, Disability, and Employment
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPensionRetirement ageLife expectancyPopulation ageingDeveloped countryStatutory lawGermanDemographic economicsPopulationPolitical scienceEconomic growthEconomicsGeographyDemographySociologyFinance

Résumé

récupéré en direct d'OpenAlex

Career management over the lifespan has become increasingly important due to the extension of working lives in most developed and many developing countries. The extension of working lives, in fact, is a politically enforced phenomenon as a reaction of more or less constantly low birth rates and increased life expectancies that have caused global population ageing. In the last decade, several developed countries have introduced new regulations to gradually increase retirement age (i.e., eligibility age of receiving a public pension) from 65 to 67 in the mid-term future (e.g., Australia, Canada, Denmark, France, Germany, Greece, Israel, Netherlands, Poland, Spain, or the USA) (Organization for Economic Cooperation and Development [OECD] 2013). Further, plans to increase the retirement age even beyond 67 exist in some countries, such as in the UK, which plans an increase of retirement age to 68 between 2044 and 2046 (OECD 2013). In addition to the normal retirement age, some countries have implemented a policy to allow people, who have contributed for a certain time (e.g., 40 years in Greece or 45 years of minimum contributory record in Germany), to receive a public pension before retirement age (e.g., starting from 62 in Greece or 63 in Germany) (OECD 2013; German Statutory Pension Insurance Scheme 2015). These new regulations will have a critical impact on the labour market in the future.

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)0,001
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 consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,834
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,131
Tête enseignante GPT0,342
Écart entre enseignants0,211 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

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

En bref

Citations13
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetRetirement, Disability, and EmploymentTravaux en français237 207