Kirp, David L. 2003. Shakespeare, Einstein, and the Bottom Line: The Marketing ofHigher Education
Notice bibliographique
Résumé
As the twenty-first century begins to bloom, perhaps no entity will meta- morphose as much as higher education-and economic factors are clearly a major force driving these changes.The Higher Education Act (set for renewal this year) allocated over $52 billion for 2002.The higher education complex, as a whole, expended well over $200 billion-that's roughly the GDP of the Governor of California Arnold Schwarzenegger's native Austria.What makes this topic of further import is it affects every one of us.We are students, parents or children of students, educa- tors, taxpayers, and the recipients of university-led innovations.Still, it is sometimes difficult to weave academia into our day-to-day lives, but David L. Kirp comes to the rescue.His latest book, Shakespeare, Einstein, and the Bottom Line: The Marketing of Higher Education, hit the bookshelves in November, and it's a must read for anyone who cares about education (who doesn't fit into this category?).While it would be impossible for anyone to write a 300-page treatise exploring the entirety of higher education economics, Kirp does a remarkable job of synthesizing the information we ought to know.
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 | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,010 | 0,016 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,029 | 0,010 |
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 ».