TRAJECTOIRES D’INSERTION PROFESSIONNELLE DES JEUNES AU BÉNIN : FORMES D’ENTRÉE SUR LE MARCHÉ DU TRAVAIL, DURÉE DE TRANSITION ET INSTABILITÉ EN EMPLOI
Bibliographic record
Abstract
À partir d’une analyse de données rétrospectives retraçant le parcours professionnel de jeunes de 18-29 ans, cet article propose une réflexion les trajectoires professionnelles des jeunes au Bénin en s’intéressant spécifiquement aux formes d’entrée sur le marché du travail, aux durées de transition et à l’instabilité en emploi. Nous faisons recours à des méthodes d’analyses statistiques spécifiques complémentaires, aussi bien descriptives qu’explicatives et qui facilitent l’étude des parcours de vie. A travers donc un modèle de régression en temps discret, le modèle Cox, nous proposons une meilleure perspective d’analyse des trajectoires d’insertion des jeunes au Bénin. Les données utilisées proviennent de l’Enquête sur la Transition de l’École à la Vie Active (ETVA) réalisée au Bénin en 2012 par l’Institut National de la Statistique et de l’Analyse Économique (INSAE). L’analyse des différentes formes, des effectifs et des durées de transitions suggère une stabilité compromise chez les jeunes de 18-29 ans au Bénin. Le modèle met en évidence les facteurs explicatifs qui découlent aussi bien de causes internes que externes.
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 | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".