Eduardo Davel et Diane-Gabrielle Tremblay(2011). Formation et apprentissage organisationnel : la vitalité de la pratique [Training and organizational learning]. Québec : Presses de l’Université du Québec, xiv-285 p.
Bibliographic record
Abstract
L’article présenté ici est le deuxième de cette rubrique « Vie de la recherche en formation des adultes » nouvelle formule. Il s’intéresse aux possibilités d’analyse automatisée des thèses référencées dans le Service universitaire de documentation (SUDOC) comme liées à l’éducation des adultes. Est en particulier abordée la question des analyses lexicales rétrospectives de leurs résumés.De fait, les thèses réellement indexées par les termes « éducation des adultes » ou « éducation permanente » dans les « mots sujets » ne représentent que moins de la moitié de celles qu’une analyse heuristique humaine pourrait considérer comme concernant ce sujet. Néanmoins, leurs analyses donnent une vision intéressante de ce qui a été considéré pendant quatre décennies par les bibliothèques comme entrant dans ce champ. La comparaison des lexiques utilisés montre que les quatre thématiques que sont les apprentissages linguistiques, la construction du sujet, les politiques nationales de formation ou encore celles des stratégies des entreprises et de la relation formation-emploi constituent l’essentiel du corpus. Les thématiques linguistiques et biographiques apparaissent plus saillantes dans les vingt dernières années, alors que les deux autres sont légèrement plus repérées avant 2000.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.007 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.006 | 0.008 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".