Interest and Skill Correlation Model for Career Aligning of Young Persons with Disabilities
Notice bibliographique
Résumé
Background: Persons with disabilities of working age often encounter unemployment rates 2-3 times higher than their non-disabled peers, primarily due to workplace biases and a lack of personalized career guidance. Traditional assessment methods often fail to capture the unique strengths of neurodiverse individuals, leading to job mismatches and underemployment. Objective: This study proposes an innovative framework using neuroscience-based assessments, specifically electroencephalography (EEG), to objectively evaluate the aptitude and strengths of persons with disabilities. The primary objective is to establish a data-driven model that correlates task-related brain activity patterns with suitable job opportunities and the necessary skill sets. Methodology: The methodology involves conducting EEG assessments during various cognitive tasks, analyzing the resulting data to identify individual strengths, and mapping these strengths to potential career paths. The model categorizes individuals into neurodiversity profiles based on their specific disability conditions and their neurological responses during these assessments. This approach allows for a more nuanced understanding of each individual's capabilities, moving beyond traditional assessment methods that may not fully capture the strengths of neurodivergent individuals. Conclusion: The EEG-based assessment model demonstrates the potential for more accurately identifying cognitive strengths in neurodiverse individuals compared to traditional methods. By utilizing neurotechnology to align individual capabilities with suitable employment paths, this approach aims to significantly boost workplace inclusion, personal autonomy, and social equality for persons with disabilities. This approach has the potential to revolutionize career guidance for persons with disabilities, leading to higher employment rates, improved job satisfaction, and better overall quality of life.
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 | 0,004 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».