Bibliographic record
Abstract
ÉDITORIALUn consensus semble se dégager sur l'utilité de développer et de renforcer les relations entre travail, formation et professionnalisation. Cet intérêt va dans le sens des recommandations internationales et nationales très présentes depuis la fin des années 1990 se mettant largement au service d'une efficacité plus grande de la formation et du travail.Il se traduit par la mise en place dans plusieurs pays de dispositifs combinant travail, formation et dessein de professionnalisation, ayant comme finalité de favoriser et d'optimiser les apprentissages professionnels, le développement des compétences, des sujets et des organisations.L'instauration et le renforcement de dispositifs qui recourent à l'apprentissage en situation de travail comme le Workplace Learning en Australie et dans certains pays d'Europe du Nord, l'alternance et le système dual dans les différents pays de l'union européenne, l'enseignement coopératif en Amérique du Nord ou la mise en place du contrat de professionnalisation et l'institutionnalisation de la Formation En Situation de Travail (FEST) en France sont là pour confirmer cette tendance de fond.
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 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.006 | 0.007 |
| Insufficient payload (model declined to judge) | 0.147 | 0.069 |
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".