Construction of The Professional Competency Evaluation Index System for Flight Attendant Specialty in Chinese Higher Vocational Education
Notice bibliographique
Résumé
This study aims to build a comprehensive and scientific Chinese high-vocational airliner professional ability evaluation index system to solve the challenges and needs of the current evaluation system. Based on existing research, this study is based on the understanding and application of the theory of occupational ability evaluation, combined with the DACUM method to conduct initial occupational analysis, use of the Delphi method to integrate the feedback of experts in the field of flight attendants and refer to the successful experience of the relevant flight attendants' vocational capabilities. This study built a framework for the evaluation index system. First, through the optimization and adjustment of the two-round Delphi method, the evaluation index system was clarified, the layer analysis method (AHP) was used for quantitative analysis, the weight of each indicator was finally determined, and a hierarchical structure model was constructed. This study has established a practical evaluation index system for China Airlines' vocational professional capability, covering output services, navigation services, reactions, and other necessary capabilities and qualities, including 4 First-level indicators, 12 second-level indicators, And 51 Third-level indicators. The evaluation indicators constructed by the Institute provide a scientific reference framework for training the professional competency of flight attendants. This study provides substantial guidance for the flight attendant specialty's training content and training scheme in Chinese higher vocational education. Efficiency, reduce training costs, and provide scientific reference for the talent training of the entire flight attendant industry.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».