MétaCan
Menu
Retour à la cohorte
Enregistrement W3047264103 · doi:10.5430/ijhe.v9n7p94

Models of Introduction of Dual Professional Education

2020· article· en· W3047264103 sur OpenAlexvenueno aff
Ольга Кравченко, Irina Y. Borisyuk, Зоряна Михайлівна Ваколя, Oksana M. Tretyak, Oksana M. Mishchenia

Notice bibliographique

RevueInternational Journal of Higher Education · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésDual (grammatical number)Vocational educationSWOT analysisStrengths and weaknessesSocializationOrder (exchange)Medical educationPolitical sciencePedagogySociologyBusinessPsychologyMarketingMedicineSocial science

Résumé

récupéré en direct d'OpenAlex

The dual system of vocational education is designed to balance education (in the educational institution) and training (at the enterprise level) equally in order to ensure the appropriate level of qualification, to teach and socialize the next generation.In addition to these effects (qualifications, education and socialization), the dual system enables the country to achieve economic goals (that is, economic growth) and social goals (that is increase youth employment);that is why many countries are trying to introduce elements of dual vocational education into their own national systems.The purpose of this study is to analyze the best international experience in implementing the dual vocational education system, identify strengths and weaknesses of this system and the issues that arise during the implementation of elements of the dual education system.Based on the analysis of cases from different countries, a matrix of implementation of dual education’s elements in Ukraine and the world has been formed.Weaknesses of the approved Concept of training specialists in the dual form of education on the basis of the SWOT-analysis of the implementation of the dual education system have been identified and recommendations for its improvement have been formed.

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)0,006
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,006
Communication savante0,0070,005
Science ouverte0,0020,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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 Opus0,043
Tête enseignante GPT0,394
Écart entre enseignants0,351 · 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'étudeThéorique ou conceptuel
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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetCompetency Development and EvaluationTravaux en français237 207