MétaCan
Menu
Retour à la cohorte
Enregistrement W4205370143 · doi:10.5539/ibr.v15n2p40

Which Future Skills Are Critical to Success Today and in the Future? Quantitative and Qualitative Study Based on a Survey of Representatives of German Industrial Firms and Associations in Manufacturing

2022· article· en· W4205370143 sur OpenAlexvenueno aff
Stefan G. Stark

Notice bibliographique

RevueInternational Business Research · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovation, Technology, and Society
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGermanOriginalityHuman resourcesOrder (exchange)BusinessMarketingKnowledge managementProcess managementQualitative researchManagementComputer scienceEconomicsSociology

Résumé

récupéré en direct d'OpenAlex

Purpose: The study aims to provide company managers with a basis for considering the need for company-specific future skills and deriving suitable and sustainable qualification measures from this in good time. Design/methodology/approach: Based on an online survey of works council committees and HR departments, the question is to be answered as to which competencies will be imperatively needed in the future in order to be able to meet future tasks and requirements in the professional world.  Findings and Originality: The study aims to identify current needs and anticipate skills gaps. This should enable companies today to identify and build up the necessary skills of tomorrow. The study can serve as an impetus for a strategic orientation in the human resources policy of companies. In this way, it makes a contribution to ensuring competitiveness in the long term and placing the human factor at the center.

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)0,009
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,051
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
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 Opus0,127
Tête enseignante GPT0,510
Écart entre enseignants0,383 · 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'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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetInnovation, Technology, and SocietyTravaux en français237 207