Comparative International Perspectives on Education and Social Change in Developing Countries and Indigenous Peoples in Developed Countries
Notice bibliographique
Résumé
Democratizing educational access and building capacity in developing countries and amongst indigenous peoples in developed countries may be elusive but are hopeful goals. Many developing countries are striving to reengineer their incoherent education systems at a time when they are most vulnerable, particularly with susceptibility to natural disasters, political unrests, and economic instabilities (UNESCO, 2007). Similarly, indigenous peoples in developed countries are seeking more control over education as they consider the long-term effects of educational policies that have been forced on them.Research on education and social change in developing countries has a long history (Glewwe, 2002; Hanushek, 1995; Sider, 2011). However, there is limited research on educational capacity-building in developing countries such as Kenya, Honduras, Haiti, Ghana, Hong Kong, India, Peru, China, and Thailand. Further, the educational frameworks by which Indigenous peoples (Maori, Canada’s First Nations, and American Indian/Alaska Natives) have been educated have some significant similarities to those encountered in developing countries. The compilation of chapters illuminates research and collaborative initiatives between the authors and local leaders in developing countries’ and Indigenous peoples in developed countries’ efforts to solve the complexity of social inequities through educational access and quality learning. The authors draw on theoretical lens, knowledge bases, and strategies, and identify trends and developments to provide the scope of educational improvement in a globalization context (Brooks & Normore, 2010; Jean-Marie, Normore & Brooks, 2009).
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| 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 ».