MétaCan
Menu
Retour à la cohorte
Enregistrement W3109046724 · doi:10.1017/9781108669429.008

Convergence through Research Performance Measurement?

2020· book-chapter· en· W3109046724 sur OpenAlexaboutno aff
Jenny M. Lewis

Notice bibliographique

RevueCambridge University Press eBooks · 2020
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Governance and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPerformance measurementAccountabilityConvergence (economics)Corporate governanceVariety (cybernetics)Control (management)PoliticsPolitical scienceComputer scienceManagement scienceEngineeringBusinessEconomicsMarketingManagementArtificial intelligenceEconomic growth

Résumé

récupéré en direct d'OpenAlex

This chapter address the rise of research performance measurement as an instrument of governance designed to steer the higher education sector in a specific direction. Performance measurement is always a political decision and it is about both accountability and control. Performance measurement is directed at many different entities, it serves multiple purposes, and it represents a variety of goals and values. In order to focus on the level of convergence between nations in the use of performance measurement of research in higher education institutions, this chapter examines the range of stated purposes behind the decision to measure performance. The chapter address research performance measurement in Australia, Canada, and the UK, and focuses on assessing convergence in ‘talk’ about performance measurement by senior administrators. It seeks to uncover how performance measurement is labelled and represented in these countries, and to examine the level of similarity across these nations. Hence, performance measurement is an example of a governance instrument which is utilized to shed light on how the higher education sector is being steered in various locations.

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)0,101
score de la tête « metaresearch » (Gemma)0,165
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil0,532

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1010,165
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0090,016
Études des sciences et des technologies0,0040,036
Communication savante0,0340,061
Science ouverte0,0040,018
Intégrité de la recherche0,0060,012
Charge utile insuffisante (le modèle a refusé de juger)0,0150,007

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 Opus0,153
Tête enseignante GPT0,308
Écart entre enseignants0,154 · 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.

Devis d'étudeThéorique ou conceptuel
DomaineÉvaluation
GenreSynthèse

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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCambridge University Press eBooksMême sujetHigher Education Governance and DevelopmentTravaux en français237 207