MétaCan
Menu
Retour à la cohorte
Enregistrement W4400890135 · doi:10.3126/irjmmc.v5i2.67727

Exploring Dropouts as Challenges in Higher Education in Nepal: A Comprehensive Review

2024· review· en· W4400890135 sur OpenAlexaboutno aff
Mayanath Ghimire, Anjay Kumar Mishra, Jaishree Bolar

Notice bibliographique

RevueInternational Research Journal of MMC · 2024
Typereview
Langueen
DomaineSocial Sciences
ThématiqueEducational Leadership and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHigher educationPolitical scienceMedical educationPsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to analyse the dropout rate of campus level of students in Nepal. The researchers adopted the process of scientific review as a meta-synthesis to analyse the dropout rate of the campus level students. An in-depth archival analysis followed by an intensive review would be strategies adopted during the scientific review. Secondary data was gathered by searching Google for scholarly publications and articles published between 2001 and 2024. The students want part-time jobs during the study. Such opportunities are less common in Nepal. The research study revealed that Nepali students gave their first priority to Australia, Canada, the USA, and Europe for their higher studies. After finishing their studies, they desired to stay there due to their job security. They applied for green card and permanently stayed there. On the other hand, Nepal lost young and skilled manpower who stayed abroad as immigrants. The study reveals that government can prevent brain-drain by proving financial assistance and employment opportunities to bachelor’s level students. The Nepalese government should make appropriate policy to retain its young workforce. Otherwise, its adverse impact will be seen soon.

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)0,014
score de la tête « metaresearch » (Gemma)0,045
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,076

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0140,045
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0090,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,895
Tête enseignante GPT0,642
Écart entre enseignants0,253 · 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'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Research Journal of MMCMême sujetEducational Leadership and InnovationTravaux en français237 207