MétaCan
Menu
Retour à la cohorte
Enregistrement W2902078312 · doi:10.3138/cpp.2019-024

Training and Skills Development Policy Options for the Changing World of Work

2019· article· en· W2902078312 sur OpenAlexaffvenueabout
Alix Jansen, Linda A. White, Elizabeth Dhuey, Daniel Foster, Michal Perlman

Notice bibliographique

RevueCanadian Public Policy · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRetrainingUnemploymentWork (physics)Training (meteorology)Psychological interventionQuality (philosophy)Technological changeBusinessOrder (exchange)EconomicsEconomic growthPsychologyEngineeringFinance

Résumé

récupéré en direct d'OpenAlex

This article offers a critical assessment of empirical knowledge regarding labour market training and skills development in an era of technological disruption. Although exactly which skills and jobs will become obsolete is not known, technological change may cause unemployment to spike and increase the need for retraining. To move toward understanding what policy interventions will be needed in response, in this article we assess the current state of knowledge about Canada’s active labour market policies. We argue that before creating new programs, policy-makers need to learn from existing policy attempts to address labour market disruptions. By analyzing the most recent Employment and Social Development Canada evaluations, we find that quality data and analyses regarding the effectiveness of these programs are lacking. We conclude that research in this area is needed before policy-makers will be able to develop responses to technological disruption.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,083
Tête enseignante GPT0,387
Écart entre enseignants0,304 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Public PolicyMême sujetEmployment and Welfare StudiesTravaux en français237 207