MétaCan
Menu
Retour à la cohorte
Enregistrement W3169855010

Quality in Degree Education in Alberta and Kenya: Policies and Practices

2011· article· en· W3169855010 sur OpenAlexaffabout
James Alan Oloo, Frederick O Ogola

Notice bibliographique

RevueNihon Keiei Gakkaishi · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésQuality assuranceQuality (philosophy)CommissionHigher educationPolitical scienceBusinessEconomic growthPublic administrationPublic relationsMarketingEconomicsLaw
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Since the introduction of degree granting institutions, Alberta and Kenya have persistently made efforts to manage and improve the quality of university education. While contexts, stakeholders, and quality assurance regimes have changed over time, debate on academic quality in both jurisdictions has continued bringing to the fore disagreements about the exact meaning of the phrase. However, many observers appreciate the importance of quality assurance and enhancement of degree programming. In this paper, we review policies and practices in quality assurance of degree education in the Canadian Province of Alberta and Kenya and the roles of Campus Alberta Quality Council and the Kenya Commission for Higher Education in assuring and enhancing quality of higher education in the two jurisdictions. Possible lessons for Kenya and other developing countries are presented. Keywords : quality assurance, higher education, Alberta, Canada, Kenya

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,174
Score d'incertitude au seuil0,672

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,150
Tête enseignante GPT0,459
Écart entre enseignants0,309 · 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'étudeObservationnel
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

Citations0
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNihon Keiei GakkaishiMême sujetHigher Education Learning PracticesTravaux en français237 207