Qui assure la formation? Les industries de haute technologie ou les etablissements de haute technologie?
Bibliographic record
Abstract
La croissance des microtechnologies et leur diffusion répandue dans l'ensemble des secteurs économiques a donné lieu à ce qu'on appelle souvent la nouvelle économie, soit une économie dans laquelle les perspectives de soutien de la concurrence sont étroitement liées aux pratiques en matière d'innovation et de technologie de l'entreprise ainsi qu'à son utilisation de travailleurs qualifiés. La formation est l'une des stratégies adoptées par de nombreuses entreprises pour améliorer la qualité de la main-d'oeuvre. La présente étude vient s'ajouter utilement au nombre croissant de travaux de recherche dans le domaine des technologies de l'information et des communications (TIC). Au moyen des données sur les établissements du secteur des entreprises tirées de l'Enquête sur le milieu de travail et les employés de 1999 (EMTE), nous examinons les facteurs liés à la prévalence et à l'intensité de la formation. Nous cherchons plus particulièrement à déterminer si la prévalence et l'intensité de la formation sont plus étroitement associées aux compétences technologiques des divers établissements qu'à leur appartenance à un secteur axé sur les sciences et les TIC. Nous en arrivons à la conclusion que la prévalence de la formation dépend davantage des compétences technologiques des différents établissements. Dans le cas des établissements qui décident d'assurer une formation, ces compétences technologiques sont également des déterminants importants de l'intensité de la formation. Les établissements qui obtiennent une cote élevée à notre indice de compétence technologique sont plus de tro
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".