MétaCan
Menu
Retour à la cohorte
Enregistrement W4387118023 · doi:10.5430/jct.v12n5p1

Transforming Design Education іn Ukraine: Insights from Global Best Practices

2023· article· en· W4387118023 sur OpenAlexvenueno aff
Анатолій Бровченко, Olha Krykun, Т. М. Борисова, Андрій Коркушко, Volodymyr Tymenko

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Educational Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianOrder (exchange)Political sciencePrismDigital transformationPublic relationsBusiness

Résumé

récupéré en direct d'OpenAlex

The article reveals some aspects of the problem of transforming the Ukrainian design education system through the prism of international experience. This problem is caused by the long-term neglect of the importance of the humanitarian segment of education in Ukraine, which, in turn, has become a determinant of the accumulation of numerous problems. In order to achieve the goal and objectives, it was important, firstly, to refer to the relevant source base, and secondly, to analyse certain aspects of the educational activities of higher education institutions abroad, in particular Seian University of Art and Design (Otsu, Shiga, Japan), Royal Collage of Art (London, Great Britain), KEDGE Design School (Marseille, France), Istituto Pantheon Design & Technology (Rome, Italy). The analytical and synthetic activities carried out allowed us to identify the best international practices in this area and propose vectors for the transformation of domestic design education. These include: multidirectional international cooperation; introduction of a practical component of student training on the basis of business institutions and enterprises; focus on the educational needs of students; active use of digital innovative technologies, etc. We see the prospects for further research in this direction in the practical application of the proposed steps to modernise design 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)0,009
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,015
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,005
Études des sciences et des technologies0,0080,016
Communication savante0,0150,006
Science ouverte0,0010,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,047
Tête enseignante GPT0,350
Écart entre enseignants0,303 · 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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetInnovative Educational TechnologiesTravaux en français237 207