MétaCan
Menu
Retour à la cohorte
Enregistrement W4312408582 · doi:10.55365/1923.x2022.20.28

The quality of Legal Education of Citizens as a Factor of the Tax Security of Ukraine

2022· article· en· W4312408582 sur OpenAlexvenueno aff
P. V. Kolomiiets, Л. М. Касьяненко

Notice bibliographique

RevueReview of Economics and Finance · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueLegal Studies and Reforms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianCurriculumOrder (exchange)Quality (philosophy)Relevance (law)DialecticLegal educationState (computer science)Political sciencePublic relationsBusinessLawComputer scienceFinanceEpistemology

Résumé

récupéré en direct d'OpenAlex

The statement of the problem of study is due to the results of the monitoring of the quality of the provision of educational services in the field of tax education to Ukrainian citizens. The relevance of the problem under study are related to accepted recognition that the directions of education development in Ukraine did not have a sufficiently systemic and comprehensive nature, and therefore did not contribute to the formation of an integral state policy in the field of education. The purpose of this article is to highlight some educational problems, as well as provide recommendations for improving the quality of legal education in Ukraine in order to improve its tax security. In order to study the field of legal education in Ukraine, the following scientific methods were applied: dialectical, historical, formal and legal, axiological, hermeneutic. As a result, the following problems have been identified in legal education in Ukraine: absence of unified standards, unnecessary disciplines in curriculum, insufficient practical basis of education, need for highly qualified teaching staff, lack of orientation towards foreign practices, use of old techniques, insufficient number of teachers knowing foreign languages, need in new ways to present information, excessive quantity of law schoolsand estimation problem.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,966
Score d'incertitude au seuil0,788

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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,310
Écart entre enseignants0,291 · 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'étudeSans objet
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Economics and FinanceMême sujetLegal Studies and ReformsTravaux en français237 207