Prepared for work in Industry 4.0? Modelling the target activity system and five dimensions of worker readiness
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Within Industry 4.0 research, the spotlight shines on technological and organisational challenges. This study shifts the focus to worker readiness, beginning with an analysis of twenty-three models to establish the state of research. Findings demonstrate that existing models are mostly early-stage proposals addressing competences featured in mainstream 21st-century and digital-competence frameworks. Worker-level factors explicitly aligned with emerging cyber-physical systems receive little attention. To construct a worker-readiness model calibrated to the needs of Industry 4.0, the authors devised a research procedure based on a two-phase integrative review of 135 publications. Firstly, they deployed an activity-system apparatus to produce a structured description of the target environment. Secondly, major worker competence groupings, aligned with this target, were extracted, tagged and reduced to five dimensions. The resulting model consolidates prior research and introduces two original competence groupings addressing human-machine partnering and decision-making in Industry 4.0. This study is a foundational step by the Educational Informatics Lab, Ontario Tech University, Canada, toward deploying a global online profile tool for generating, analysing and aggregating worker readiness profiles. This cross-disciplinary project will help researchers, educators, corporate trainers, human resource managers, policymakers, and systems designers more effectively diagnose the readiness of workers for Industry 4.0.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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