Bibliographic record
Abstract
Avec l’évolution vers la société du savoir, l’apprentissage des adultes a pris une importance croissante au cours de la dernière décennie. Un taux élevé de chômage, l’importance accrue et mieux reconnue du capital humain pour la croissance économique et le développement social, ainsi que l’évolution des contextes économiques – et aussi le désir d’amélioration individuelle et collective ressenti par le public – ont suscité une augmentation des possibilités d’apprentissage offertes aux adultes, dans la perspective plus large de l’apprentissage tout au long de la vie. Dans des contextes et des pays différents, il existe de larges possibilités d’apprendre pour des raisons professionnelles ou personnelles, pour se recycler ou pour élever ses qualifications. On constate toutefois aussi qu’il demeure de grandes inégalités en termes d’accès et d’offre de formation. Cette publication analyse les moyens d’améliorer l’accès et la participation à l’apprentissage des adultes, ainsi que sa qualité et son efficacité (effectiveness). A cet effet, elle passe en revue les possibilités actuelles de formation, les causes de la non-participation et les différentes politiques et approches suivies pour améliorer l’accès et la participation des adultes à l’apprentissage. Le rapport se fonde sur les informations fournies par les neuf pays qui ont participé à l’examen thématique de l’OCDE : Canada, Danemark, Espagne, Finlande, Norvège, Portugal, Royaume-Uni (Angleterre), Suède et Suisse.
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 | 0.002 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.003 |
| Insufficient payload (model declined to judge) | 0.399 | 0.223 |
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; the direct Gemma label and the distilled Codex classifier agree on what is shown here.
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".