MétaCan
Menu
Retour à la cohorte
Enregistrement W2943984807 · doi:10.2307/j.ctt1xp3nf1.9

Geographies of Lifelong Learning and the Knowledge Economy

2017· book-chapter· en· W2943984807 sur OpenAlexaboutno aff
Key MacFarlane, Katharyne Mitchell

Notice bibliographique

RevuePluto Press eBooks · 2017
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueGlobal Educational Policies and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLifelong learningKnowledge economyEconomic geographySociologyEconomyGeographyEconomicsPedagogy

Résumé

récupéré en direct d'OpenAlex

With the advance of neoliberal globalization in the 1990s, lifelong learning emerged in the policy frameworks of the United States, Canada, and the EU. Neoliberal policies during this era worked to orchestrate personal development within the increasingly flexible processes of global capitalism, placing both within the rhythm of a personal life that must be fulfilled. Such an orchestration produced certain spaces—captured in notions such as the "learning society" and "creative city"—in which citizens were expected to take responsibility for their own human capital development as flexible entrepreneurs. For the majority of the population, however, this process led primarily to their own deskilling. Moreover, not only did lifelong learning strategies promote the standardization and homogenization of educational skills, and thus the abstraction and interchangeability of labor, but they were also bound up with the production of a so-called learning society that demanded increasing levels of external management. This chapter looks at some of the ramifications of these processes on workers and systems of education.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,926
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,002
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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,277 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePluto Press eBooksMême sujetGlobal Educational Policies and ReformsTravaux en français237 207