MétaCan
Menu
Retour à la cohorte
Enregistrement W2151698659 · doi:10.5539/ies.v7n12p37

Language Competence in a Puzzle of Modern Russian Vocational Education

2014· article· en· W2151698659 sur OpenAlexvenueno aff
Vladislav Vladislavovich Serikov, E.A. Loktyushina, Victoria Pichugina

Notice bibliographique

RevueInternational Education Studies · 2014
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovations in Education and Learning Technologies
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Education and Science of the Russian Federation
Mots-clésForeign languageVocational educationCompetence (human resources)Professional developmentPedagogyCommunicative competenceProfessional communicationProfessional studiesPsychologyPublic relationsPolitical scienceComputer scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

The article shows that foreign language skills influence the professional success in a globalized economy. Training experts who are able to use foreign languages at the level required for professional communications is highly urgent for today’s Russia, however there is hardly any experience of training such experts in accordance with international standards in most Russian universities. In this regard the authors propose to change the structure of professional education and criteria of assessing the professional competence of an expert. A competence in using a foreign language as a tool for interaction with partners and solving professional problems should become an integral part of the content of vocational education. A foreign language should be mastered as a tool of solving professional tasks, while language training should be organized on the basis of modeling key professional communicative situations. Besides, unwillingness to communicate professionally with foreign partners must be considered as manifestation of professional incompetence of a specialist. The authors point out that such model of professional training with a foreign language included in its structure is the most important for countries seeking integration into the world economy.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0030,008
Communication savante0,0030,003
Science ouverte0,0000,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,373
Écart entre enseignants0,346 · 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'étudeQualitatif
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

Citations1
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetInnovations in Education and Learning TechnologiesTravaux en français237 207