MétaCan
Menu
Retour à la cohorte
Enregistrement W3089024981 · doi:10.6000/2292-2598.2020.08.03.22

Multilingual Training Issues and Development of Teachers’ Speaking Skills for the Special Education Purposes: Kazakhstani Case Study

2020· article· en· W3089024981 sur OpenAlexvenueno aff
Sandugash Moldabekova, Г.К. Длимбетова, Nina Stukalenko

Notice bibliographique

RevueJournal of Intellectual Disability - Diagnosis and Treatment · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEducational Practices and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTraining (meteorology)Mathematics educationMedical educationPedagogyComputer sciencePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Objective: The paper's main purpose is to analyse approaches to the development of multilingual education and the development of speech teaching skills in the special education system. Background: Improving the special education system is challenging because it takes a long time to change. The learning process must include the possibility of educating all groups of the population. Method: During the study, the current state of the implementation of multilingual education within the framework of the Kazakhstani educational process was analysed, national and regional features of the process under study were investigated, prospects for its further improvement were considered. Results: Based on the results of the study, scientific, methodological, and theoretical foundations of the development of multilingual teacher training in a modern educational institution are summarised; educational and methodological aspects of the issue are described. Conclusion: The results obtained are of theoretical and practical importance for inclusive multilingual training of teaching staff and the improvement of teacher education in general, the implementation of leading ideas for the modernisation of all professional education.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,183
Tête enseignante GPT0,433
Écart entre enseignants0,250 · 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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Intellectual Disability - Diagnosis and TreatmentMême sujetEducational Practices and ChallengesTravaux en français237 207