Les effets de la formation informelle sur les gains : une comparaison sur données appariées françaises, marocaines et tunisiennes
Bibliographic record
Abstract
À partir d’un modèle d’apprentissage qui identifie deux des principales composantes de la formation en entreprise : lelearning by watchinget lelearning by experience, nous faisons apparaître, à l’aide de données appariées sur la France, la Tunisie et le Maroc, des effets contrastés de la formation informelle sur les gains. Bien que les rendements de l’ancienneté soient significativement plus élevés dans les deux pays du Maghreb, lelearning by experiencesemble être, pour les employés marocains, la seule composante de ce type de formation a avoir un impact significatif sur les gains. La richesse du modèle présenté ici ne réside pas exclusivement dans la mesure des effets dulearning by watchinget dulearning by experience, mais aussi, dans l’estimation de la vitesse à laquelle se diffuse le savoir au sein de l’établissement et du potentiel formateur de ce dernier par rapport au savoir du travailleur entrant. Les résultats montrent que ce savoir relatif est presque deux fois plus élevé dans le cas tunisien que dans le cas français et n’apparaît pas significatif pour les établissements marocains.
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 | 0.007 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".