Domaines économiques et axes d’embauche des philologues français et des traducteurs en Pologne
Bibliographic record
Abstract
L’objectif de cet article est de déterminer dans quelles conditions s’est opérée l’insertion professionnelle des diplômés des études de philologie française, y compris des traducteurs, détenteurs d’un diplôme de premier cycle (licence) en Pologne de 2011 à 2014. Dans une approche inductive, nous analysons quatre groupes de données empiriques, collectées parmi les étudiants de l’Institut d’études romanes de l’Université de Wrocław et leurs employeurs. Deux groupes de données (deux enquêtes) correspondent au versant « étudiants » et ont été présentés en détail dans une publication précédente. Dans le présent article, nous nous penchons sur les deux groupes de données suivants, provenant cette fois-ci du versant « employeurs » : une analyse du contenu de la documentation élaborée à l’occasion de la gestion des stages professionnels et des offres d’emploi de différents types, adressées à tous les étudiants dudit institut. L’image finale synoptique qui en résulte, comportant une configuration des domaines économiques et des axes d’embauche, représente une situation cohérente, dans laquelle, avec la progression des études, les domaines économiques se concrétisent et s’enrichissent, et les axes d’embauche se dessinent plus nettement.
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 | 0.020 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.009 | 0.026 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 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".