Évaluer l’employabilité dans l’insertion par l’activité économique française : une analyse économétrique appliquée à une entreprise sociale d’insertion par le travail
Bibliographic record
Abstract
Dans le cadre des politiques publiques de l’emploi, l’Insertion par l’activité économique est considérée comme un secteur professionnel contribuant à l’inclusion socioprofessionnelle. Les financements publics des Entreprises sociales d’insertion par le travail (ESIT) sont assujettis à des obligations contractuelles liées à l’obtention de résultats en emplois-formations. Dans ce contexte, cet article questionne la possibilité d’évaluer l’employabilité des ESIT et les modalités de l’évaluation. Nous nous intéressons tout d’abord à la signification que peut revêtir l’employabilité dans l’Insertion par l’activité économique. Ensuite, l’objectif de cette étude est de proposer une contribution originale permettant de mesurer économétriquement les effets de l’accompagnement socioprofessionnel sur l’employabilité des salariés en insertion dans une association porteuse de chantiers d’insertion en France. Les principaux résultats montrent que l’identification, le traitement et la résolution des problématiques sociales augmentent significativement les chances d’insertion professionnelle, en particulier lorsqu’il s’agit de difficultés liées au logement ou à la vie sociale et familiale.
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 | 0.010 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".