Les statistiques de l'éducation de l'UNESCO : restructuration et changement politique
Bibliographic record
Abstract
<titre>Les statistiques de l’éducation de l’UNESCO : restructuration et changement politique </titre>La critique de la qualité des statistiques de l’éducation a été le point de départ de la restructuration récente des services statistiques de l’UNESCO. Après analyse, cette critique, essentiellement soutenue par la Banque mondiale et confirmée par les consultants engagés par l’organisation, ne s’avère pas tout à fait fondée. En fait, elle a surtout servi à soutenir un changement institutionnel et politique. D’une part, les services statistiques ont été délocalisés au Canada. D’autre part, le changement de mission de la production statistique a été vivement recommandé: la mesure de la performance des systèmes éducatifs serait plus pertinente que la mesure de l’éducation de masse. La restructuration a également mis en évidence une tendance générale: l’affaiblissement du débat politique au sein de la Conférence générale. En effet, la signification et l’usage politique et social que l’UNESCO veut donner aux statistiques de l’éducation n’ont pas été discutés. Enfin, le processus de restructuration peut aussi être lié à la perte de leadership de l’UNESCO: d’autres agences internationales produisent des statistiques aussi bien que des recommandations sur l’éducation.
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 | 0.025 | 0.058 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.011 |
| Science and technology studies | 0.006 | 0.016 |
| Scholarly communication | 0.016 | 0.010 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.010 |
| Insufficient payload (model declined to judge) | 0.018 | 0.001 |
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".