On Training Excellent Students in China and the United States
Notice bibliographique
Résumé
In many countries, the training of researchers who will be internationally competitive has become a primary objective, leading to extensive discussion of the curricula, educational content, and methods that may ensure a high level of student achievement. In this global climate, only the most excellent students have the potential to engage successfully in international competition and become leading-edge researchers in the world-wide marketplace of research. Thus, any country seeking to be internationally competitive must consider ways to further raise the level of excellent students. In this study, we investigate university programs, specifically honors programs, that take special measures for training the most excellent students. Honors programs can be found in the United States, Canada, Holland, China, Singapore, Chile, and other countries; among these, the highest number of honors programs are in the U. S. (Digby, 2005) and China. Consequently, the authors chose these two countries as the objects of this study, surveying and comparing the characteristics of honors programs as training courses for excellent students. In both countries, the focus of our study was limited to higher-level universities. In the case of China, only universities identified by Kitagaki & Fuang (2008) as “Key Chinese Universities” were investigated. A small sample of universities in the U. S. was selected from America’s Best Value Colleges (Owens & Meltzer et al., 2006). Our other major sources of information were university websites and the literature available through the National Collegiate Honors Council. In both China and the U. S., honors programs have a common aim to gather and train particularly excellent students in the universities while the specific content of each program and training course is distinct. The characteristics observed in the two countries as well as the comparison of such characteristics may help serve as models for Japan and other countries wishing to create honors programs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».