MétaCan
Menu
Retour à la cohorte
Enregistrement W355384882 · doi:10.5206/cie-eci.v31i2.10870

Education and Socio-economic Outcomes

2020· article· en· W355384882 sur OpenAlexvenueno aff
Patrice de Broucker

Notice bibliographique

RevueComparative and International Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRegional Development and Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésComparabilityHuman capitalEarningsWork (physics)Equity (law)Stock (firearms)Economic growthEducation economicsEducational attainmentLifelong learningEducational equityHuman development (humanity)PopulationPolitical scienceEducation policyEconomicsSociologyHigher educationPedagogyAccountingGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

Within the OECD INES Project, the development of indicators on "Education and socio-economic outcomes" is the focus of Network B's activities. The aims of education have always been viewed more broadly than imparting basic elements of knowledge and skills to youth. This article presents the framework that brings together the various areas in which the development work takes place: school-work transitions, continuing education and training, and human and social capital. The issue of equity, a central one in education, is also explicitly dealt with, mainly as a dimension integrated in each area of indicator development. After its initial work focussing on educational attainment of the population and the labor force - key measures of the "stock" of human capital - and education and earnings, Network B turned its attention to the resolution of comparability issues in labor market outcome indicators and the improvement of indicators related to lifelong learning. Stating the policy issues it is aiming to address always precedes indicator development work, so these issues are also presented in this article.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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 Opus0,158
Tête enseignante GPT0,461
Écart entre enseignants0,303 · 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
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComparative and International EducationMême sujetRegional Development and PolicyTravaux en français237 207