MétaCan
Menu
Retour à la cohorte
Enregistrement W4321786350 · doi:10.5430/jct.v12n1p310

Generic Competences in Peruvian University Students

2023· article· en· W4321786350 sur OpenAlexvenueno aff
Miguel A. Saavedra-López, Xiomara M. Calle-Ramírez, Ronald M. Hernández, Javier A. López-Céspedes, Jose Luis Saly Rosas Solano, Karen Pérez Maraví, Jacqueline C. Ponce-Meza

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueEducational Research and Science Teaching
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPublic universityHigher educationMedical educationInterpersonal communicationPsychologyCompetence (human resources)Sample (material)Mathematics educationPedagogyMedicinePolitical scienceSocial psychology

Résumé

récupéré en direct d'OpenAlex

In higher education, generic competencies are those common to most students that can be used in the activities of a sector or organization. The objective was to identify generic competencies in Peruvian university students. The study was a descriptive, non-experimental cross-sectional design. The sample consisted of 567 university students of both sexes from public and private universities in Peru. The instrument applied was the questionnaire of generic competencies of university students (CCGEU). The results showed that Peruvian university students have a sufficient level of generic competencies; they use generic competencies almost always or always in the development of their activities. Likewise, in the dimensions, systemic competencies have the highest value, followed by interpersonal and instrumental competencies. It is concluded that most Peruvian university students use generic competencies at a sufficient level; however, some students never or almost never use them, so it would be important for the Peruvian university institutions where the participants study to implement strategies to strengthen generic competencies.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,031
Tête enseignante GPT0,297
Écart entre enseignants0,267 · 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'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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Research and Science TeachingTravaux en français237 207