MétaCan
Menu
Retour à la cohorte
Enregistrement W4286885934 · doi:10.7202/1088853ar

Indépendance ou employabilité : comment le genre influence-t-il les motivations des jeunes à entreprendre une mobilité temporaire ?

2022· article· en· W4286885934 sur OpenAlexvenueno aff
Lucas Haldimann

Notice bibliographique

RevueRevue Jeunes et Société · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen Forschung
Mots-clésPsychologyEmployabilitySet (abstract data type)Social psychologyHumanitiesPedagogyArt

Résumé

récupéré en direct d'OpenAlex

Although educational temporary mobility, such as language stays or student exchanges, are increasingly popular among young adults, participation rates remain uneven. But whereas previous academic studies have identified gender as an important factor—young women participate more than young men—little has been written on the mechanisms behind this disparity. This article uses a mixed-method triangulation approach to analyze the impact of gender on motivational factors influencing the participation of young adults in travel programs. Using a large-scale survey of young Swiss adults (ch-x survey), we validate a set of hypotheses based on fourteen interviews conducted with male and female students attending the University of Lausanne. We begin by comparing the motivational factors influencing female and male students. Then, we consider the motivating factors influencing young adults with different educational backgrounds. The results highlight two critical dimensions of how gender affects the decision-making process: first, the acquisition of mobility capital in support of employability and, second, the increased independence gained through temporary mobility.

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)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0050,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,035
Tête enseignante GPT0,329
Écart entre enseignants0,294 · 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'étudeQualitatif
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue Jeunes et SociétéMême sujetMigration and Labor DynamicsTravaux en français237 207