Multicultural Education issues, policies, and practices
Notice bibliographique
Résumé
Preface, Acknowledgments, Introduction, Multicultural Education: History, Issues, And Practices, Farideh Salili and Rumjahn Hoosain. Cooperative Learning Programs And Multicultural Education: Improving Intergroup Relations, Robert Cooper and Robert E. Slavin. Understanding The Impact Of Disadvantage On Academic Achievement, Colette Van Laar. Academic Adaptation Of Asian Migrant Of Overseas Students In Australia And Canada, Cynthia Leung. Students As Cultural Beings: Motivation, Learning And Achievement Among Students Of Diverse Ethnic Background, Clarence Chi-hung Ng. Multicultural Education In Latvia, Iveta Silova And Guntars Catlaks. Immigration Policy And Multicultural Education In Australia: Charting The Changes, Bob Hill and Rod Allan. Validation Of Multicultural Personality Questionnaire Among An Internationally Oriented Student Population In Taiwan, Stefan T. Mol, Jan-Pieter van Oudenhoven, and Karen I van der Zee. Education Needs For Cross-cultural Convergence In Family Legal Duties And Reciprocal Responsibilities, Oliver C.S. Tzeng. Literature, A Driving Force In Ethnic Identity And Social Responsibility Development, Nancy Hansen-Kerning and Donald T. Mizokawa.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,010 |
| Communication savante | 0,011 | 0,006 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».