MétaCan
Menu
Retour à la cohorte
Enregistrement W4321790478 · doi:10.5430/jct.v12n1p318

Establishment of Core Capacity and Capacity Index Based on an Outcome-Based Ideological and Political Education Major in Chinese Universities

2023· article· en· W4321790478 sur OpenAlexvenueno aff
Jiafu Liu, Cao Huan, Pengfei Chen, Feifei Chen

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEducational Reforms and Innovations
Établissements canadiensnon disponible
Organismes subventionnairesDepartment of Education of Guizhou ProvinceGuizhou Education University
Mots-clésAnalytic hierarchy processIdeologyDelphi methodPoliticsCore competencyCompetence (human resources)DelphiRanking (information retrieval)Political sciencePolitical educationPublic relationsPsychologyManagementComputer scienceEngineeringEconomicsSocial psychologyOperations researchMathematicsStatisticsLaw

Résumé

récupéré en direct d'OpenAlex

With the development of the society, most countries have begun to improve the level of education and are advocating the implementation of the theory of Outcome Based Education, which is used in this research to explore the development of a curriculum of Ideological and Political Education Major.The purpose is to determine the professional core competence, expand the core competence indicators, and determine the relative weight of the core competence indicators. 4 core capacities and 20 core capacity indices of the Ideological and Political Education Major in Chinese universities were established using the Modified Delphi Method with two types of expert questionnaires. The Analytic Hierarchy Process was used to establish a hierarchical structure, and the relative weight and ranking of each capacity index was calculated to ensure consistency and stability using the YAAHP software. The aim of the research is to further clarify the core capacity and capacity indices of education.

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)0,006
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
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 Opus0,021
Tête enseignante GPT0,297
Écart entre enseignants0,275 · 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'étudeThéorique ou conceptuel
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 Reforms and InnovationsTravaux en français237 207