MétaCan
Menu
Retour à la cohorte
Enregistrement W2555862796 · doi:10.5539/res.v8n4p131

Implementation of Visuals Arts (Fined and Applied Arts) as Vocational Programmes in Tertiary Institutions: Problems and Prospects

2016· article· en· W2555862796 sur OpenAlexvenueno aff
Bernadine Anene Ogboji, Chijioke Onuoha, Christopher Ifeanyi Ibenegbu

Notice bibliographique

RevueReview of European Studies · 2016
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueArt Education and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocational educationPanacea (medicine)The artsHigher educationPovertyUnemploymentVisual arts educationMedical educationPolitical scienceSociologyEconomic growthPedagogyMedicineLaw

Résumé

récupéré en direct d'OpenAlex

<p>Over the years, Nigeria and indeed world leaders have been battling to combat the raging poverty and unemployment rates. Although vocational education has been identified as a panacea to these, significant studies reporting obstacles to the implementation of visuals arts as vocational education programs in tertiary institutions have remained grossly insufficient. This is the issues addressed in the study. Survey research design was adopted while 200 purposively selected art education and vocational education respondents from the University of Nigeria, Nsukka, provided participated in the study. Among others, that the respondents agreed that the problems facing the implementation of visual art in tertiary institutions as a vocational education program range from poor awareness to lack of parental support. Further studies examine from students’ perceptive, on how best to implement visuals arts as vocational education programs are recommended.</p>

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,721
Score d'incertitude au seuil0,215

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 savante0,0000,000
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 Opus0,094
Tête enseignante GPT0,366
Écart entre enseignants0,273 · 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'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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetArt Education and DevelopmentTravaux en français237 207