MétaCan
Menu
Retour à la cohorte
Enregistrement W3012653228 · doi:10.5267/j.msl.2020.3.021

Alternative methodology for assessment of youth competitiveness in the labor market of Ukraine

2020· article· en· W3012653228 sur OpenAlexvenueno aff
Oksana Oliinyk, Iryna Lehan, Larysa Sergiienko, Larisa Kovalenko, Tetiana Tarasova

Notice bibliographique

RevueManagement Science Letters · 2020
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor Market and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Transformational leadershipBusinessWork (physics)State (computer science)Labour economicsPolitical scienceEconomicsPublic relationsEngineeringGeography

Résumé

récupéré en direct d'OpenAlex

The purpose of the article is to substantiate an alternative methodology for assessing the competitiveness of young people in the labor market, based on the categories of transit from training to decent employment in the context of transformational change.The article explores the School-to-Work Transition Survey (SWTS), which provides an opportunity to analyze the peculiarities of young people's transit to the labor market.The study was conducted within the framework of the "Work4Youth" project, which aimed to identify ways to obtain information concerning the labor market, namely its youth segment.The main purpose of the SWTS was to gather detailed information on the issues, attitudes and conditions in which young people aged 15-29 was entering and securing their jobs in the labor market.The competitiveness of young people in the labor market has been evaluated and the regions have been investigated according to the characteristics of the workplaces, where the state of completion of the transition from school to employment by the young person have been determined.In addition, clusters that are close in characteristics to the group of regions were distinguished.

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)0,012
Version: metacan-v3-hybrid-931329e0061cStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0110,007
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,121
Tête enseignante GPT0,318
Écart entre enseignants0,197 · 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'étudeThéorique ou conceptuel
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

Citations7
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetLabor Market and EducationTravaux en français237 207