MétaCan
Menu
Retour à la cohorte
Enregistrement W4366590414 · doi:10.3389/feduc.2023.1150190

Insights on mapping Industry 4.0 and Education 4.0

2023· article· en· W4366590414 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFrontiers in Education · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueDigital Transformation in Industry
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésScopusWorkforceKnowledge managementWork (physics)Information and Communications TechnologyField (mathematics)Higher educationComputer scienceEngineering managementData scienceBusinessEngineeringPolitical scienceWorld Wide WebMathematics

Résumé

récupéré en direct d'OpenAlex

Introduction The fourth industrial revolution, or Industry 4.0 (I.D. 4.0), has radically empowered professionals to revamp skills and technologies, to match ever-evolving industry demands. Education 4.0 (E.D. 4.0) is an integral education framework, strategically designed to align with I.D. 4.0 needs. The present work presents high-level insights on mapping I.D. 4.0 to E.D. 4.0, by successfully analyzing the four key existing components of E.D. 4.0, namely, learning methods, competencies, infrastructure and information and communication technologies (ICT). Methods Research questions are formulated along themes aiming to standardize the E.D. 4.0 framework and identify effectiveness and implementation challenges. These posed questions are addressed by performing an exhaustive bibliometric analysis on the associated literature, by clustering relevant publications by field, year, and geography. We employed the search engines Scopus, Science Direct, and IEEE in a period between January and June of 2022. Results Network maps evidence the implementation of E.D. 4.0 elements with no formal and universally adopted framework to map with I.D. 4.0. There is an increasing interest and support from researchers and education institutions in preparing a skilled workforce for I.D. 4.0. Trends of E.D> 4.0-related published articles reveal more implementation efforts in developed countries compared to developing countries. Discussion Our results demonstrate a lack of any currently existent, standardized, and universally accepted framework for mapping I.D. 4.0 to E.D. 4.0, despite trends showing a sharp rise towards incorporating E.D. 4.0 initiatives recently into university curricula. Our analysis procedure can serve as a protocol to define E.D. 4.0 in a more specific context, in an ever-changing global workspace. While unbalanced implementation attempts on how extensively E.D. 4.0 components have been defined and adopted (including discrepancies in implementation policies among countries, and across disciplines), further rigorous assessments are needed to critically assess the necessary requirements and effectiveness, for standardization and implementation a global mapping framework.

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.

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)0,000
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 enseignants0,497
Score d'incertitude au seuil0,463

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,012
Tête enseignante GPT0,229
Écart entre enseignants0,217 · 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