MétaCan
Menu
Retour à la cohorte
Enregistrement W2914071801 · doi:10.1787/059ce467-en

Strength through diversity’s Spotlight Report for Sweden

2019· paratext· en· W2914071801 sur OpenAlexaboutno aff
Lucie Černá, Hanna Andersson, Meredith Bannon, Francesca Borgonovi

Notice bibliographique

RevueOECD education working papers · 2019
Typeparatext
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationDiversity (politics)Political scienceRelevance (law)Work (physics)Cultural diversityHigher educationEconomic growthPublic relationsEconomics

Résumé

récupéré en direct d'OpenAlex

Within OECD countries, Sweden has historically welcomed large numbers of migrants, in particular migrants seeking humanitarian protection. Since 2015, this large influx of new arrivals with multiple disadvantages has put a well-developed integration system under great pressure and highlighted a number of challenges for education policy given current institutional frameworks. PISA 2015 shows that immigrant students fare considerably worse than native students in terms of academic and well-being outcomes also after accounting for differences in social-economic background. The OECD has identified four priority areas for Sweden for closing the gap between immigrant and native students: (1) Facilitating the access of immigrants to school choice, (2) Building teaching capacity, (3) Providing language training and (4) Strengthening the management of diversity. The findings in this Spotlight Report are based on existing OECD work in the area of immigrant integration in education, OECD and national data, a questionnaire on the range of policies and practices in Sweden and good practice examples for the integration in the education system in peer-learner countries and regions [Austria, Germany, the Netherlands and North America (Canada and the United States)], which were identified of particular relevance for Sweden. The report also includes policy pointers on what policies and practices Sweden could adopt to respond to the current integration challenges in the four priority areas.

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)0,005
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,053
Score d'incertitude au seuil0,179

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,011
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,001
Communication savante0,0100,003
Science ouverte0,0010,007
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0530,040

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 Opus0,057
Tête enseignante GPT0,395
Écart entre enseignants0,338 · 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'étudeObservationnel
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

Citations38
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOECD education working papersMême sujetHigher Education Learning PracticesTravaux en français237 207