MétaCan
Menu
Retour à la cohorte
Enregistrement W4379389112 · doi:10.1080/02680939.2023.2221203

Deliberation and decisionism in educational policymaking: How Nepali educational policymakers negotiate with foreign aid agencies

2023· article· en· W4379389112 sur OpenAlexaff
Kapil Dev Regmi

Notice bibliographique

RevueJournal of Education Policy · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal Educational Policies and Reforms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésDeliberationNepaliPublic administrationPoliticsPolitical scienceEconomic growthSociologyPower structureNegotiationPublic relationsEconomicsSocial scienceLaw

Résumé

récupéré en direct d'OpenAlex

In the countries that receive aid from donor agencies, the educational policymaking process is not straightforward because the power and interest of donors contradict with national contexts. This qualitative study aims to investigate how educational policy decisions in Nepal, a country that receives foreign aid for its educational projects, are made. Drawing on the Habermasian conceptualisation of deliberative democracy, I theorise that educational policy decisions are made either through deliberation or decisionism. An analysis of interviews conducted with educational policymakers of Nepal found that policymaking in Nepal follows decisionism in which the representatives of foreign aid agencies are more dominant than national bureaucrats. Even though Nepali bureaucrats and political leaders are involved in the decision-making process, rational interactions do not happen because they want to fulfil their personal interests by endorsing the decisions determined by the donors. This study concludes that because of decisionism, neocolonialism, and dysfunctional policy sphere, teachers, students, parents, and community people are excluded in the decision-making process. The findings are significant not only for understanding the lack of deliberation in the policymaking process but also for improving the educational praxis of aid-recipient countries like Nepal.

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)0,038
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,201

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,040
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0190,041
Communication savante0,0170,012
Science ouverte0,0020,012
Intégrité de la recherche0,0030,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,030
Tête enseignante GPT0,372
Écart entre enseignants0,342 · 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'étudeQualitatif
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

Citations9
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education PolicyMême sujetGlobal Educational Policies and ReformsTravaux en français237 207