Bibliographic record
Abstract
Les mutations économiques, technologiques et sociétales actuellement à l’œuvre s’accompagnent d’une profonde évolution des métiers, se traduisant certes par des destructions d’emplois, mais aussi par des créations. Des études réalisées par le Conseil national de l’Industrie, il ressort que ce qui est en cause, ce n’est pas d’abord le système de formation initiale et continue, mais l’absence d’une vision stratégique et partagée des besoins à moyen terme de l’industrie en emplois, en compétences, en métiers, en savoir-faire et en matière de recrutement. Il importe donc qu’au sein d’instances de concertation ad hoc (Conseil national de l’Industrie, Alliance Industrie du Futur...), toutes les parties prenantes (pouvoirs publics, acteurs industriels, salariés et leurs représentants...) se mobilisent afin de replacer la formation nationale et continue au cœur d’une ambition nationale de reconquête industrielle et d’identifier les leviers d’une politique transversale de renouveau des compétences industrielles en France, qui soit à la hauteur des enjeux (priorités des comités stratégiques de filière, plan Industrie du futur, solutions industrielles de la Nouvelle France industrielle, stratégie numérique, etc.). Une démarche d’anticipation et de partage stratégique qui doit contribuer à la compétitivité de long terme de l’industrie, au développement des activités et de l’emploi, et permettre des parcours et des transitions professionnels réussis.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.013 |
| Scholarly communication | 0.016 | 0.014 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 0.004 |
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".