Développement d’un outil d’aide à la recherche d’information sur le marché du travail (IMT) pour les personnes conseillères dans le domaine de l’orientation scolaire et professionnelle : l’Accompagnateur numérique en IMT
Bibliographic record
Abstract
L’information sur le marché du travail (IMT) fait partie intégrante de la pratique professionnelle des conseiller.ère.s d’orientation, mais aussi des conseiller.ère.s en emploi et en développement de carrière. L’objectif de cette recherche appliquée de nature partenariale, était de créer une plateforme numérique destinée à faciliter l’utilisation de l’IMT pour les personnes conseillères et leurs client.e.s. Pour ce faire, nous ferons état des cinq étapes qui ont conduit à la conception et à la réalisation de cette plateforme numérique, soit : idéation et détermination des objectifs, fonctionnalités, besoins et clientèles cibles de la plateforme numérique, la coconception de son design, l’analyse des besoins des utilisateur.rice.s, le développement technique de la plateforme et l’appréciation auprès des personnes conseillères. Cette recherche a permis de ressortir que conformément à une étude réalisée par le Conseil de l’information sur le marché du travail (CIMT, 2019), les caractéristiques de l’IMT les plus importantes pour les personnes conseillères sont : l’actualité, la fiabilité, la facilité d’utilisation, l’exhaustivité et la spécificité. Cette recherche a également permis de déterminer que L’Accompagnateur numérique en IMT permet de répondre aux besoins des personnes conseillères en étant simple d’utilisation et en répertoriant un nombre appréciable de sites Internet (75) tout en les classant en différentes sections afin d’aider la recherche d’IMT.
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 | 0.012 | 0.024 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.003 | 0.005 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.006 |
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".