MétaCan
Menu
Retour à la cohorte
Enregistrement W4388001060 · doi:10.5430/jct.v12n5p123

With Regard to the Means and Priorities for the Development of the Professional Education System (The Experience of the EU Countries for Ukraine)

2023· article· en· W4388001060 sur OpenAlexvenueno aff
Оксана Кравчук, Olena Yemelianova, Hanna Tolchieva

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLabor Market and Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésUkrainianVocational educationRealisationProfessional developmentCompetence (human resources)Political scienceProcess (computing)European unionPedagogyPublic relationsBusinessSociologyEconomicsManagementEconomic policy

Résumé

récupéré en direct d'OpenAlex

The aim of the article is the analysis of means and priorities for the vocational education system development, and to comprehend the positive experience of the EU countries that can be implemented in Ukraine. For the realisation of the purpose the next methods were used: analysis, synthesis, comparison, abstraction, forecasting. In the results, it is noted that the Ukrainian structure of professional education differs from the European one in the absence of intermediary organisations that contribute to the educational process. The cooperation in establishing links between industries, firms and companies, and professional education institutions is at the level of private initiatives. It has also been found that the negative processes that hinder the development of the transformation of vocational education are uncompetitive teacher salaries and low levels of digital competence. Accordingly, this affects the low motivation to use innovative educational methods and technologies in education. The conclusions note the possibility of borrowing the French experience of the reorganisation of professional education with the formation of a structure in which students begin to receive professional education in the last grades of school.

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)0,004
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,002
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,256
Écart entre enseignants0,239 · 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'étudeThéorique ou conceptuel
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 sujetLabor Market and EducationTravaux en français237 207