Designing an International Large-Scale Assessment of Professional Competencies and Employability Skills: Emerging Avenues and Challenges of OECD’s PISA-VET
Notice bibliographique
Résumé
Abstract Globally, vocational education and training (VET) is considered important for ensuring the supply of skilled labour to the economy and economic competitiveness but also for helping the next generation with the transition to working life and integration into society. However, despite this importance, there are no international comparative studies on the effectiveness of the very different VET systems. In March 2024, the Organisation for Economic Co-operation and Development (OECD) published the ‘Analytical and Assessment Framework’ for PISA-VET, an international study on professional competencies and employability skills in VET. In this paper, some of the lead experts that contributed to the framework provide an outline of the aims of the initiative, the target groups, the assessment approaches as well as strength and weaknesses to stimulate discussion in the scientific community. VISA-VET aims to deliver comprehensive data, inform decision making, facilitate peer learning between countries, and promote the image of VET, in general. Target populations are learners toward the end of their VET programmes in the occupational areas of automotive technicians, electricians, business and administration, health care, or tourism and hospitality. Assessment approaches to domain-specific professional skills are simulation-based questions, digital simulations, and live or recorded demonstrations. The professional skills assessments are expanded by the assessment of employability skills and comprehensive data collections on national contextual and system-level factors. This paper discusses the selection and breakdown of occupational areas, the various assessment approaches and possible supplementary studies. Its overall aim is to initiate a broader discussion in the scientific community about the design of and expected insights from PISA-VET.
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 | 0,061 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».