The Importance of Understanding Culture When Improving Education: Learning from Cambodia
Notice bibliographique
Résumé
Following Education for All, initiatives like child-friendly schools initiative is rolled out in many countries, including Cambodia. The child-friendly schools initiative is addressing general and local needs of children in schools, like a safe environment, well-trained teachers and the provision of teaching and materials. But there is also a component that is more cultural in nature and might not resonate well with the country’s culture. As Hofstede’s (1980, 1986) research concerning cultural differences indicated, a country’s culture can be described following five dimensions (individualism/collectivism, power distance, uncertainty avoidance, masculinity/femininity, and long-term/short-term orientation). Not taking a country’s culture into account while intervening with important services like education, might lead to low intervention outcomes, teachers who feel uncomfortable with the proposed contents and ways of teaching, and students who are not prepared well towards the society they live in. A cultural profile of Cambodia was missing when the ministry of education started to roll out the Education for All and Child Friendly School approaches in 2006/2007 (Schaeffer & Heng, 2016). The original research has since been enriched with additional data sets. The data sets are by no means large enough to be representative, but through triangulation a careful attempt is made to at least inform educationalists of the importance of taking culture into account when designing and implementing educational interventions to improve learning in Cambodia, and likely elsewhere. With the onset of the Sustainable Development Goals (UN Sustainable Development Knowledge Platform, 2015), such cultural understanding is a necessity in order to achieve cultural appropriate project outcomes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».