Avaliação de programas públicos de treinamento : um estudo sobre o impacto no trabalho e na geração de emprego
Bibliographic record
Abstract
O que explica o sucesso ou o fracasso de programas de treinamento? Este estudo apresenta a avaliação de um programa público de treinamento, a partir do modelo de Hamblin (1978), tendo como variável dependente o impacto do treinamento no trabalho, subdividido em três níveis: comportamento no cargo, na mudança organizacional e no valor final. O delineamento foi de um quase-experimento, com dois grupos experimentais e um grupo de controle, mesclando metodologias quantitativas e qualitativas. A coleta de dados durou dois anos e foi feita antes e depois da realização do programa de treinamento, incluindo indicadores duros: aumento no número de oficinas de formação profissional, de aprendizes e de pessoas empregadas. Os instrumentos eram validados e foram aplicados a quatro fontes de avaliação: o próprio treinado, sua chefia, um colega e um cliente (n= 2.468). A regressão e a análise de covariância (ANCOVA) indicaram impacto do treinamento nos três níveis. A percepção dos diferentes avaliadores confirmou o impacto no comportamento no cargo e os grupos experimentais conseguiram maior mudança organizacional e valor final que o grupo de controle. As variáveis alternativas analisadas (Produto Interno Bruto, taxa básica de juros, taxa de desemprego e legislação) indicaram que, sem o treinamento, os resultados seriam opostos aos alcançados.
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 | 0.011 | 0.044 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".