MétaCan
Menu
Retour à la cohorte
Enregistrement W3033468396 · doi:10.1590/s0104-40362020002802657

Chinese Higher Education: The role of the economy and Projects 211/985 for system expansion

2020· article· en· W3033468396 sur OpenAlexaff
Danilo de Melo Costa, Qiang Zha

Notice bibliographique

RevueEnsaio Avaliação e Políticas Públicas em Educação · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Governance and Development
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBenchmarkingChinaHigher educationExploratory researchGovernment (linguistics)Economic growthQualitative researchChinese economyPerspective (graphical)Political scienceBusinessEconomyEconomicsMarketingSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Abstract China has experienced a significant economic growth in recent years. In addition, the country has also built the largest system of Higher Education in the world. However, was the economy that stimulated the advancement of Higher Education? Or was Higher Education that stimulated the advancement of the economy? To answer these questions, this research aimed to understand the role of economy and Projects 211 and 985 for the expansion of Chinese Higher Education. For that, an exploratory and qualitative research was developed, based on interviews with Chinese government managers and questionnaires applied to professors/specialists and to a student leadership. The results showed that investments in Higher Education were preponderant for the country’s economic growth, which was representative from a quantitative perspective. However, also aiming at qualitative growth, projects 211 and 985 were created, allocating a significant amount of resources to the selected institutions. Such positioning makes China an example of benchmarking for other countries that wish to progress economically and intellectually.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0000,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,000

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 Opus0,025
Tête enseignante GPT0,323
Écart entre enseignants0,298 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnsaio Avaliação e Políticas Públicas em EducaçãoMême sujetHigher Education Governance and DevelopmentTravaux en français237 207