An International Perspective on the Impacts of COVID-19 on Adult Education and Training
Notice bibliographique
Résumé
Abstract The COVID-19 pandemic has caused one of the worst economic crises since the Great Depression and the current recession has been more detrimental to older workers compared to other age groups. Not only has it forced more older workers out of their jobs, but it has also made it much harder for jobless older workers to find a new job. Furthermore, due to increased automation and digitalization in the workplace, older workers will likely need upskilling or reskilling to improve their employment prospects in the changed labor market. This situation brings the importance of offering training and continuous education programs that target older workers to the forefront of adult education policy and practice. This qualitative study examines measures taken in response to COVID-19 in adult education and training (AET) in seven countries including Sweden, Norway, the Netherlands, Australia, Singapore, Canada, and the United States. The findings are based on key informant interviews with international policy experts and scholars in the field of AET in addition to information gathered from written materials (e.g., government and organizational reports). To expedite their economic recovery and improve labor market outcomes for their workers, some countries have increased government funding for vocational and continuing education or offered financial support for post-secondary students while others have provided funds to employers to offer training and retraining for their employees. Some of these measures have the potential to expand adult educational opportunities in the post-pandemic world. Implications for policy and practiced are discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,009 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».