Notice bibliographique
Résumé
Avec l’évolution vers la société du savoir, l’apprentissage des adultes a pris une importance croissante au cours de la dernière décennie. Un taux élevé de chômage, l’importance accrue et mieux reconnue du capital humain pour la croissance économique et le développement social, ainsi que l’évolution des contextes économiques – et aussi le désir d’amélioration individuelle et collective ressenti par le public – ont suscité une augmentation des possibilités d’apprentissage offertes aux adultes, dans la perspective plus large de l’apprentissage tout au long de la vie. Dans des contextes et des pays différents, il existe de larges possibilités d’apprendre pour des raisons professionnelles ou personnelles, pour se recycler ou pour élever ses qualifications. On constate toutefois aussi qu’il demeure de grandes inégalités en termes d’accès et d’offre de formation. Cette publication analyse les moyens d’améliorer l’accès et la participation à l’apprentissage des adultes, ainsi que sa qualité et son efficacité (effectiveness). A cet effet, elle passe en revue les possibilités actuelles de formation, les causes de la non-participation et les différentes politiques et approches suivies pour améliorer l’accès et la participation des adultes à l’apprentissage. Le rapport se fonde sur les informations fournies par les neuf pays qui ont participé à l’examen thématique de l’OCDE : Canada, Danemark, Espagne, Finlande, Norvège, Portugal, Royaume-Uni (Angleterre), Suède et Suisse.
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,008 | 0,005 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,399 | 0,223 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».