MétaCan
Menu
Retour à la cohorte
Enregistrement W7133641628 · doi:10.46254/au04.20250226

Mapping the Technical and Behavioral Competencies of Production Engineers in Industry Era 4.0: Evidence from Brazil and an International Perspective

2025· article· W7133641628 sur OpenAlexaboutno aff
Marcia Macario dos Santos, Giancarlo Medeiros Pereira

Notice bibliographique

Revuenon disponible
Typearticle
Langue
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésPerspective (graphical)Production (economics)Knowledge productionIndustry 4.0

Résumé

récupéré en direct d'OpenAlex

The Fourth Industrial Revolution demands an urgent reconfiguration of the production engineer's profile, expanding their role to emerging non-traditional sectors (such as health, finance, logistics, and technology) and increasing the demand for digital, analytical, and socio-emotional (intrapreneurial) skills. This article investigates the historical evolution of Production Engineering, using mixed methods, and analyzes the skills required by the market. The research combined a systematic literature review (Scopus and Web of Science databases) and document analysis of 528 job postings in Brazil, complemented by an international survey (Canada, France, Portugal, and Spain) and labor mobility data in the European Union. The results show that, in addition to technical skills, intrapreneurial mindset and behavioral competencies stand out, exposing a discrepancy (paradox) in traditional academic training. It is concluded that curricular updating is fundamental and should incorporate active methodologies and entrepreneurial practices to align training with the demands of Industry 4.0 and with policies on professional mobility and competitiveness in the global scenario.

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)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,005
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,040
Tête enseignante GPT0,306
Écart entre enseignants0,266 · 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'étudeObservationnel
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 sujetDigital Transformation in IndustryTravaux en français237 207