MétaCan
Menu
Retour à la cohorte
Enregistrement W4248763063 · doi:10.7176/dcs/9-4-06

Agendas for future Training Transfer Research: Pakistan’s Perspective

2019· article· en· W4248763063 sur OpenAlexaffabout
Asif Rahman, Mohammad Omar Shiddike

Notice bibliographique

RevueDeveloping Country Studies · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueHuman Resource Development and Performance Evaluation
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Perspective (graphical)Transfer of trainingWork (physics)Political scienceTraining and developmentHuman resourcesResource (disambiguation)Graduate educationState (computer science)Medical educationEconomic growthSociologyManagementPedagogyPsychologyGeographyEngineeringMedicineEconomics

Résumé

récupéré en direct d'OpenAlex

This work was financed by Regina Public Interest Research Group and the Faculty of Graduate Study and Research of the University of Regina, Canada. Abstract Research on training transfer has been mostly conducted in developed countries. This paper is unique because it attempts to research training transfer from a developing country’s perspective. This paper is about the origins, evolution, current state and trends in training transfer research and practice in Pakistani organizations. The paper begins with a discussion on education and training. It discusses the evolution of education and training in Pakistan and explains the four systems of education in Pakistan at the primary, high school, and college levels. Then, this paper explores the origins of training in Pakistan. While exploring the origins of training in Pakistan, this section gives a detailed account on the training and consulting industry of Pakistan. The paper concludes with suggestions for further research that would contribute in the fields of training transfer and human resource development. Keywords: Training transfer, human resource development, education, Pakistan, management. DOI : 10.7176/DCS/9-4-06 Publication date: April 30th 2019

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)0,014
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0060,009
Communication savante0,0090,014
Science ouverte0,0020,004
Intégrité de la recherche0,0050,006
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 Opus0,346
Tête enseignante GPT0,518
Écart entre enseignants0,172 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDeveloping Country StudiesMême sujetHuman Resource Development and Performance EvaluationTravaux en français237 207