MétaCan
Menu
Retour à la cohorte
Enregistrement W2109396188 · doi:10.5539/ies.v7n8p1

A New Framework for Universiti Kebangsaan Malaysia Soft Skills Course: Implementation and Challenges

2014· article· en· W2109396188 sur OpenAlexvenueno aff
Adi-Irfan Che-Ani, Khaidzir Ismail, Azizan Ahmad, Kadir Ariffin, Mohd Zulhanif Abd Razak

Notice bibliographique

RevueInternational Education Studies · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueEducational Games and Gamification
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSoft skillsConfusionMathematics educationMedical educationPsychologyPedagogyComputer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

The importance of soft skills to the graduates to compete in the working world is undeniable. Soft skills are complementary to the academic qualifications held by students. Recognizing this, the University Kebangsaan Malaysia (UKM) has established a new framework for Soft Skills courses to improve the existing framework of the course. The implementation of this course, which is started about 6 months or approximately 1 semester; is based on learning outcomes (LO) into 8 main goals. Each of these LO can be achieved by following all 8 Soft Skills courses that serve as a compulsory course in the university. These courses are conducted based on the concept of learning contracts involve an agreement between students and lecturers to determine the assignments/projects to be completed by students in a given period. Proof of learning outcomes should be uploaded by students to iFolio system that can be evaluated by evaluator (lecturers). The implementation of the new framework deals with various problems that pose challenges to both students and lecturers. There are 50 identified issues and challenges involving students, lecturers and the systems/operations. The main cause for the challenges is lack of understanding on the implementation of this course, since it is just running for its first semester. This results in a great deal of confusion which triggers the issues on the ground. However, every issue has a solution. Therefore, the management should take proactive steps as to properly deal with the issues and challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,014
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,002
Communication savante0,0080,006
Science ouverte0,0040,006
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0130,006

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,449
Écart entre enseignants0,387 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetEducational Games and GamificationTravaux en français237 207