Bir Yerel Eğitim Planlaması Örneği: Diyarbakır İli Çüngüş İlçesi Öğretim Haritası
Notice bibliographique
Résumé
Bu çalışma, Diyarbakır ili Çüngüş ilçesinin eğitim durumunu analiz etmeyi ve geleceğe yönelik çözüm önerileri sunarak bir eğitim planı hazırlamayı amaçlamaktadır. Araştırmada doküman incelemesi yöntemi kullanılmış olup çalışma evreni hakkında genel bir anlayışa ulaşmak amacıyla genel tarama modeli tercih edilmiştir. Araştırma Çüngüş ilçesi merkez, köy ve mezralarını kapsamaktadır. Araştırmada 2010-2020 yılları arasındaki veriler dikkate alınarak değerlendirmeler yapılmıştır. Veriler TÜİK (Türkiye İstatistik Kurumu), İl Milli Eğitim Müdürlüğü, İlçe Milli Eğitim Müdürlüğü, İlçe Belediyesi, Valilik ve Millî Eğitim Bakanlığı MERNİS (Merkezi Nüfus İdaresi Sistemi) sisteminden elde edilmiştir. Verilerin analizinde öğretim haritası oluşturma tekniği kullanılmıştır. Öğretim haritası oluşturulurken, nüfus piramidi, 5'li yaş grupları, en küçük kareler yöntemi, öğrenci akış şeması, geometrik artış yöntemleri, yarı logaritmik kalıp ve istatistiksel formüller kullanılmıştır. Bu çalışma, yerel eğitimin ayrıntılı bir analizini yaparak gelecekteki ihtiyaçları öngörmek amacıyla genel durum saptaması, eğilimler, kestirimler, sonuçlar ve öneriler şeklinde yapılandırılmıştır. Yapılan hesaplamalara göre ilçe nüfusun 2030 yılına kadar %2 oranında azalması beklenmektedir. Öğrenci ve öğretmen sayılarına ilişkin gelişim, eğilim ve tahminlerin incelenmesi sonucunda, okul öncesi, ilkokul ve ortaokul kademelerinde öğrenci ve öğretmen sayılarında artış eğilimi olduğu görülmüştür. Bu artışın lise düzeyinde yaş grubu nüfusunu önemli ölçüde aşacağı sonucuna varılmıştır.
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) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,014 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».