MétaCan
Menu
Retour à la cohorte
Enregistrement W6908580414 · doi:10.2760/243454

Teacher Costs

2015· other· en· W6908580414 sur OpenAlexaboutno aff

Notice bibliographique

RevueJoint Research Centre (European Commission) · 2015
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSalaryData collectionWork (physics)Class (philosophy)European union

Résumé

récupéré en direct d'OpenAlex

The purpose of this technical brief is to assess current methodologies for the collection and calculation of teacher costs in European Union (EU) Member States in view of improving data series and indicators related to teacher salaries and teacher costs. To this end, CRELL compares the Eurydice collection on teacher salaries with the similar Organisation for Economic Co-operation and Development (OECD) data collection and calculates teacher costs based on the methodology established by Statistics Canada as explained in Indicator B7 in Education at a Glance (OECD, 2014). This indicator allows for analysing the different factors that influence teacher costs: teacher salaries, teaching time, instruction hours and student/teacher ratios, as well as class size. The analyses will provide specific information on the contribution of the different factors used to derive the Salary Cost of Teachers per Student (CCS) and how they might depend on the way data for the different factors are collected. On the basis of assessing the different forms of data collection with the same methodology, suggestions for development work that could be undertaken to align the Eurydice and OECD data collections are offered.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,262
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,005
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,1370,400

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 Opus0,134
Tête enseignante GPT0,374
Écart entre enseignants0,240 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJoint Research Centre (European Commission)Travaux en français237 207