MétaCan
Menu
Retour à la cohorte
Enregistrement W4309323945 · doi:10.1177/10567879221137572

Global Competitiveness Myths and Ideals: English Language Policy in Universities in Kazakhstan

2022· article· en· W4309323945 sur OpenAlexaff
Seth A. Agbo, Natalya Pak, Azamat Akbarov, Gulmira Madiyeva, Yerbolat Saurykov

Notice bibliographique

RevueInternational Journal of Educational Reform · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Governance and Development
Établissements canadiensLakehead University
Organismes subventionnairesnon disponible
Mots-clésKazakhNational identityPoliticsPolitical scienceForeign languagePedagogyLanguage policyGovernment (linguistics)Higher educationMalaySociologyForeign policyPublic relationsEconomic growthLinguisticsEconomics

Résumé

récupéré en direct d'OpenAlex

It seems Kazakhstan couches superior knowledge in one particular language. The government policy for educational change focuses on reaching some aspects of equivalence or parity with developed and advanced nations to the extent that they approximate the attributes of prestigious national societies such as the rich European and North American countries. Current government policy in Kazakhstan calls for a policy dubbed “trilingualism” which means proficiency in Kazakh, Russian, and English. This study utilized various qualitative methods such as interviews, participant and non-participant observation, and document analysis to investigate faculty, students, and administrators’ experiences of the change from teaching and learning in Russian and Kazakh to English. The findings indicated that for Kazakhstan's universities to become globally competitive, they must have clear-cut goals that directly manifest how language conveys society's essential values. The unpreparedness of students, faculty, and administrators delimits the changeover from Kazakh and Russian to English. Accordingly, among the essential criteria to foster the foundation of development are national identity, harmony between the educational system, and, most generally, the extent of political decision-making to meet the national society's educational needs.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,007
Tête enseignante GPT0,347
Écart entre enseignants0,340 · 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

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Educational ReformMême sujetHigher Education Governance and DevelopmentTravaux en français237 207