Towards minimum quality criteria for mentoring-to-work programmes
Notice bibliographique
Résumé
An instrument that is increasingly being used to integrate people of foreign origin into the labor market is "mentoring-to-work" in which a newcomer (mentee) and a volunteer with knowledge of the local labor market (mentor) are paired ("matched") so that the latter can help the mentee on the road to employment. It is a relatively new concept that is gaining popularity in Europe and Canada. An evaluation of start-up projects showed that mentoring practices were not always optimal. (Vandermeerschen & De Cuyper: 2018). In order to ensure that mentors and mentees can benefit from quality mentoring, regardless of the specific approach of the project, we developed minimum quality criteria for mentoring-to-work projects. Based on a comparison of 7 existing quality labels in the broader field of mentoring, a set of criteria was selected applicable to mentoring-to-work. These criteria were tested through a series of workshops with mentoring organizations in order to determine (1) their applicability to the field of 'mentoring-to-work' (2) which criteria were missing (3) whether consensus could be reached on minimum criteria. The strength of this contribution lies in the fact that it is grounded in the reality of 'mentoring to work', but also builds on both scientific and practice-related expertise in other fields of mentoring. In this respect, the result of this paper is not only a set of minimum quality criteria applicable to the field of mentoring-to-work, but also a systematic overview of existing quality criteria and a starting point and method to develop criteria within other (national) contexts and domains of mentoring.
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 | 0,112 | 0,283 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,010 | 0,007 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,005 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».