MétaCan
Menu
Retour à la cohorte
Enregistrement W2924523171 · doi:10.1093/acrefore/9780190264093.013.81

Market Economy, Social Change, and Education Inequality in China

2018· reference-entry· en· W2924523171 sur OpenAlexaff
Shibao Guo, Yan Guo

Notice bibliographique

RevueOxford Research Encyclopedia of Education · 2018
Typereference-entry
Langueen
DomaineSocial Sciences
ThématiqueChina's Socioeconomic Reforms and Governance
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMarketizationDecentralizationPlanned economyChinaEconomicsEconomic growthEconomic systemPolitical scienceMarket economy

Résumé

récupéré en direct d'OpenAlex

China has experienced major shifts from a centrally planned economy to a market economy, from centralization to decentralization, from state ownership to privatization, and from a decisive state to a weakened state. Despite China’s economic miracle, the country also faces unprecedented challenges, including rising social inequality, rural-urban divide, regional disparity, environmental degradation, declining health and education conditions, and polarization between the rich and poor. China’s profound socioeconomic and political transformations have led to significant fundamental changes to education in China, as manifested in its decentralization, marketization, and privatization. One significant paradigm change relates to the devolution of education power and policy from a centralized governance model to local governments. With the privatization and marketization of its education system, China has adopted a market-oriented approach with the orientation, provision, student enrollment, curriculum, and financing of education. There is sufficient evidence to suggest that there has been a withdrawal of the mighty state from its paternalistic role in the provision and subsidy of public education. Unfortunately, the market economy has further increased education inequalities. The maldistribution of resources and education opportunities raises important questions about issues of social justice and equity regarding who gets how much education as the social good.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,623
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,069
Tête enseignante GPT0,400
Écart entre enseignants0,331 · 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOxford Research Encyclopedia of EducationMême sujetChina's Socioeconomic Reforms and GovernanceTravaux en français237 207