Notice bibliographique
Résumé
Contents Editorial: Building the Vision – Higher Education and Quality Assurance in East Africa Pammla Petrucka........................................1 Why Measurement Matters: The Learning Outcomes Approach – A Case Study from Canada Sarah Brumwell, Fiona Deller & Alexandra MacFarlane.....................................5 Quality Issues in Kenya’s Higher Education Institutions Rosemary Kagondu & Simmy M. Marwa..............................23 University Students Learning Experiences: Nuanced Voices from Graduate Tracer Study Omar Badiru Egesah & Mary Nyawira Wahome .................................43 Institutional Constraints Affecting Quality Assurance Processes in Tanzania’s Private Universities Samson John Mgaiwa & Johnson Muchunguzi Ishengoma..................................57 Broadening Perceptions and Parameters for Quality Assurance in University Operations in Uganda Frederick Kakembo & Rita Makumbi Barymak..........................69 Student Evaluation of Teaching: Bringing Principles into Practice Geoff Tennant & Tashmin Khamis.........................89 Reflections on an Innovative Mentoring Partnership Facilitators and Inhibitors to Success in Faculty Development Tashmin Khamis & Marilyn Chapman.......................105 Quality Assurance Self-assessment: A Catalyst at Aga Khan University Tashmin Khamis & Khairunnisa Dhamani...........................................125 Assessing the Cognitive Domain through MCQs: Critical to Quality Assurance in Higher Education Khairunnisa Aziz Dhamani & Zeenatkhanu Kanji..................................135
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,011 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,243 | 0,126 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».