MétaCan
Menu
Retour à la cohorte
Enregistrement W253450216 · doi:10.5206/cie-eci.v41i1.9198

Who is Guilty and What to Do? Popular Opinion and Public Discourse of Corruption in Russian Higher Education

2012· article· en· W253450216 sur OpenAlexvenueno aff
Ararat L. Osipian

Notice bibliographique

RevueComparative and International Education · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCorruption and Economic Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLanguage changeContext (archaeology)Political scienceOpinion pollPublic opinionPopular opinionHigher educationPublic discourseTest (biology)Public relationsPublic administrationSociologyMedia studiesPoliticsLawLinguisticsHistory

Résumé

récupéré en direct d'OpenAlex

Corruption in higher education in Russia is a growing problem. This paper considers scholarly and popular discourse in Russia around this corruption and the discussion examines its context within the overall corruptness of the society and reflects on measures of comprehensive educational reform. Drawing upon a theoretical framework linking popular opinion and public discourse, discussion in the scholarly and popular press between 1998 and 2011 is analyzed, and the themes of the discourse are traced. Results focus on the reasons for corruption in the higher education sector, as well as on current and potential ways to tackle corruption, including the newly introduced standardized testing. Even though the national test will not solve the problem of corruption in education, its full scale, country-wide implementation at this point appears to be inevitable.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,295
Score d'incertitude au seuil0,331

Scores Codex et Gemma par catégorie

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

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 Opus0,145
Tête enseignante GPT0,450
Écart entre enseignants0,305 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComparative and International EducationMême sujetCorruption and Economic DevelopmentTravaux en français237 207