MétaCan
Menu
Retour à la cohorte
Enregistrement W4392424080 · doi:10.6000/1929-4409.2020.09.369

Higher Education Institutions Educational Process Digitalization in the Context of the Necessity to Provide a Model for Students' Choice of Training Areas and Academic Specialties

2021· article· en· W4392424080 sur OpenAlexvenueno aff
Dmitriy A. Kozorez, Elena A. Dolgova, Anna V. Korneenkova, Alena V. Rumakina, Minggong Sha

Notice bibliographique

RevueInternational Journal of Criminology and Sociology · 2021
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Innovations and Challenges
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Process (computing)Training (meteorology)Medical educationMedicineComputer scienceGeography

Résumé

récupéré en direct d'OpenAlex

The digital revolution in the Russian economy is leading to a radical change in the labour market, the emergence of new competencies, improved cooperation, increased responsibility of citizens, their ability to make independent decisions. This, in turn, is the reason for the reorganisation of the educational process, largely based on the use of IT technologies. The purpose of the paper is to solve the problem of unification of educational programmes within the framework of digitalisation of the educational process in universities. The unification of educational programmes is proposed, which ensures the conducting of the educational process without losing its quality, taking into account individual educational trajectories, as well as implementing a model for students' choice of a direction or training specialty, starting from the third year of study, and, as a result, making it possible to transfer students between educational levels up to 5 semesters, and within a level - up to 6 semesters. The unification of educational programmes is considered on the example of the Moscow Aviation Institute (National Research University). The proposed unification covers the extended groups of specialties taking into account different levels and forms of training, as well as various territorial sites (branches).

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0070,004
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,226
Tête enseignante GPT0,450
Écart entre enseignants0,224 · 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'étudeSans objet
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

Citations16
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Criminology and SociologyMême sujetEducational Innovations and ChallengesTravaux en français237 207