MétaCan
Menu
Retour à la cohorte
Enregistrement W4414892764 · doi:10.1177/21582440251375206

Do Support Mechanisms Ensure a Smooth Labor Market Transition? A Cross-Cultural Qualitative Study on Vocational High School Graduates in Turkiye

2025· article· en· W4414892764 sur OpenAlexaboutno aff
Volkan Isik, Mustafa Çağlar ÖZDEMİR, Bünyamin Yasin Çakmak

Notice bibliographique

RevueSAGE Open · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration and Labor Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesMilli Eğitim Bakanliği
Mots-clésVocational educationQualitative researchCurriculumTurkishPublic policyQualitative propertyFace (sociological concept)Soft skills

Résumé

récupéré en direct d'OpenAlex

Vocational education plays a vital role in promoting youth employment; however, vocational high school graduates in Turkiye face structural, social, and economic barriers in their labor market transitions. This study explores the cross-cultural challenges experienced by Turkish and Syrian vocational graduates, focusing on job entry barriers, employer perceptions, workplace experiences, and the role of policy incentives. Conducted as part of the Social and Economic Cohesion through Vocational and Technical Education Project (SEUP), in collaboration with the Ministry of National Education and funded by the EU Facility for Refugees in Turkiye (FRIT) with KfW, this research draws on semi-structured interviews with 154 stakeholders across five provinces. Findings reveal critical obstacles such as skills mismatch, job dissatisfaction, adaptation issues, and, notably for Syrian graduates, dependency on financial aid. The analysis is theoretically guided by Social Identity Theory (SIT) and draws practical insights from international vocational education models in Germany, the Netherlands, Canada, and Sweden. Policy recommendations include aligning curricula with industry needs, simplifying employment incentives, strengthening school-employer partnerships, and improving the public image of vocational careers through awareness campaigns and mentorship programs.

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)0,004
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0090,006
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,027
Tête enseignante GPT0,416
Écart entre enseignants0,389 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSAGE OpenMême sujetMigration and Labor DynamicsTravaux en français237 207