MétaCan
Menu
Retour à la cohorte
Enregistrement W4328115902 · doi:10.5430/jct.v12n2p11

Information Competencies of Information Technology Specialists in the Conditions of the Pandemic: The Algorithms of Formation and Features of Development

2023· article· en· W4328115902 sur OpenAlexvenueno aff
Олександр Бордюк, Yurii Shpylovyi, Liudmyla Tkachenko, Oleh Khyshchenko, Alyona Yushchenko, Tetiana Slaboshevska

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)PandemicProcess (computing)Space (punctuation)Coronavirus disease 2019 (COVID-19)Information technologyPolitical scienceKnowledge managementData scienceComputer scienceSociologyEngineering ethicsManagement scienceEngineeringMathematicsMedicineLaw

Résumé

récupéré en direct d'OpenAlex

The research has examined scientific developments and systematized practical data in the field of formation and development of information competencies of digital technology specialists in the conditions of the pandemic. This has become the research purpose of the academic paper. Digital transformations in the sphere of economy, management, social relations and production have caused significant changes in the methods and forms of training of specialists in the IT industry, and the research is focused on changes in the methods of organizing the educational process. The specifics of the evolution of teaching philosophy and methodology in the conditions of the pandemic are not gradual transformations, but the urgent need for rapid changes caused by a crisis situation in the conditions of quarantine restrictions. Unexpected changes require quick but qualitative changes. Distance learning technologies turned out to be relevant during the pandemic not only in the educational space of Ukraine; such changes took place in educational systems around the world. In order to study the issues outlined, a complex of bibliosemantic and analytical methods was used in the research.

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 enseignants0,884
Score d'incertitude au seuil0,085

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 savante0,0000,001
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 Opus0,017
Tête enseignante GPT0,277
Écart entre enseignants0,261 · 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
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducational Innovations and ChallengesTravaux en français237 207