Labour Market Landscape for Economics Graduates in Canada
Notice bibliographique
Résumé
Cette étude examine les demandes et les compétences requises sur le marché du travail canadien pour les diplômés en économie, en utilisant des techniques de scraping Web et de traitement du langage naturel (TLN). Les principaux pôles régionaux identifiés sont l'Ontario (Toronto), le Québec (Montréal) et l'Alberta (Calgary). La suite Microsoft Office, en particulier Microsoft Excel, est l'exigence logicielle la plus répandue. Au-delà des logiciels, les diplômés en économie doivent posséder un large éventail de compétences techniques, notamment la gestion des données, la modélisation avancée, la programmation (Python, SQL) et la présentation/documentation (PowerPoint, rédaction de rapports). Les compétences générales telles que la communication, le travail d’équipe et les compétences analytiques sont également très recherchées, soulignant l'importance de la collaboration et de la résolution de problèmes sur le terrain. Ces résultats soulignent la nécessité pour les diplômés en économie d'adapter le développement de leurs compétences aux besoins régionaux. Dans l'ensemble, cette étude fournit des informations exploitables aux parties prenantes, y compris les éducateurs et les décideurs politiques, pour aligner les programmes éducatifs et les stratégies de développement de la main-d’œuvre sur l’évolution des demandes du marché du travail canadien.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,006 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,002 |
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 ».