MétaCan
Menu
Retour à la cohorte
Enregistrement W2905839001

BRAZIL, CANADA AND CHINA: A CROSS-COMPARE STUDY OF ITS EDUCATIONAL INDICATORS - Brasil, Canadá E China: Um Estudo Comparativo De Seus Indicadores Educacionais

2018· article· pt· W2905839001 sur OpenAlexaboutno aff
Danilo de Melo Costa

Notice bibliographique

RevueGestão org · 2018
Typearticle
Languept
DomaineSocial Sciences
ThématiqueEducation and Public Policy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingChinaOrder (exchange)Regional sciencePolitical scienceGeographyData collectionDescriptive statisticsEconomic growthSociologyBusinessSocial scienceEconomicsStatisticsMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In a globalized world, nations need to follow the development and performance of their peers. Therefore, the study aims to analyze the educatonal indicators in Brazil, Canada and China with the goal to identify the behavior of these indicators as a way to signal benchmarking and learning opportunities. For that, a descriptive quantitative research was performed, through the collection of documentary and bibliographic data from databases worldwide. In order to understand the performance of the educational indicators from the countries, a comparative analysis by regression models via log-linear Quasi-Likelihood method was carried out. The goal was to understand the performance of each indicators in their countries in order to understand their behavior in the 2003-2012 period. The conclusions showed that Canada is a country that has already achieved a high level of development, including its higher education, and that can be considered a reference for other nations seeking to achieve similar progress as Brazil and China itself. In addition, China, a member of BRICS, which is a pair of Brazil, has been able to achieve satisfactory results in the indicators that guide higher education, which highlighted the advantages of conducting a benchmarking of their actions and policies. http://dx.doi.org/10.21714/1679-18272018v16n1.p1-15

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,175
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,027
Tête enseignante GPT0,383
Écart entre enseignants0,356 · 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.

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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGestão orgMême sujetEducation and Public PolicyTravaux en français237 207