MétaCan
Menu
Retour à la cohorte
Enregistrement W2774857474 · doi:10.1007/s13209-017-0169-6

Introduction to the special issue on the Survey of Adult Skills (PIAAC)

2017· article· en· W2774857474 sur OpenAlexaboutno aff
Nezih Guner

Notice bibliographique

RevueSERIEs · 2017
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor market dynamics and wage inequality
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNumeracySlovakCzechLiteracyGeographyQuarter (Canadian coin)Economic growthPolitical scienceEconomics

Résumé

récupéré en direct d'OpenAlex

This special issue brings together five articles on the Survey of Adult Skills (PIAAC).The PIACC measures the proficiency of 16-65 year-olds in literacy, numeracy and problem solving in technology-rich environments.The main motivation for the survey is that these cognitive skills are critical inputs for success in the labor market.There were two rounds of data collection for the PIACC.In the first round, which took place during 2011 and 2012, a total of 166,000 adults between the ages of 16 and 65 were surveyed in 21 countries: Australia, Austria, Belgium (only Flanders), Canada, Cyprus, the Czech Republic, Denmark, England (and separately Northern Ireland), Estonia, Finland, France, Germany, Ireland, Italy, Japan, Korea, the Netherlands, Norway, Poland, Russia, the Slovak Republic, Spain, Sweden and the United States.The second round took place during 2014 and 2015 in 9 additional countries with a total of 50,250 adults.The countries that participated in the second round were Chile, Greece, Indonesia, Israel, Lithuania, New Zealand, Singapore, Slovenia and Turkey.OECD (2016) provides details on the survey and an overview of the key facts.Table 1 documents the levels of literacy and numeracy proficiency across the OECD countries.The literacy outcomes measure "the ability of individuals to understand, evaluate, use and engagex with written texts in order to participate in society, achieve one's goals, and develop one's knowledge and potential" (OECD 2016, p. 38), while numeracy measures "the ability to access, use, interpret and communicate mathematical information and ideas in order to engage in and manage the mathematical demands of a range of situations in adult life" (OECD 2016, p. 47).The maximum score is 400 in for both measures and the table report average scores for each country.There is a large variation in the average levels of proficiency of literacy and numeracy across

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,364

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,027
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0080,008
Études des sciences et des technologies0,0020,001
Communication savante0,0070,005
Science ouverte0,0030,005
Intégrité de la recherche0,0040,006
Charge utile insuffisante (le modèle a refusé de juger)0,1090,095

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 Opus0,019
Tête enseignante GPT0,233
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSERIEsMême sujetLabor market dynamics and wage inequalityTravaux en français237 207