Research on the Construction and Application of a Blended Teaching Evaluation System for Public Finance under the “New Economics and Management” Strategy: Based on the TOE Analytical Framework
Notice bibliographique
Résumé
Driven by the digital education strategy, the field of higher education is undergoing accelerated transformation. As a core course in the field of finance and economics, the teaching model of public finance urgently needs innovation to meet the requirements of the "New Economics and Management" (NEM) strategy for cultivating high-quality professional talents. However, the current evaluation system for public finance teaching in higher education institutions faces issues such as formalism and oversimplification, which fails to meet the demands of the digital age. This study takes the public finance course at Anhui University of Finance and Economics as the research object and constructs a blended teaching evaluation system integrating "technology empowerment, organizational collaboration, and environmental adaptation" based on the Technology-Organization-Environment (TOE) analytical framework. The system adopts a combination of multi-agent evaluation and process-oriented evaluation to comprehensively assess teaching effectiveness from three dimensions: technology, organization, and environment. The practical results show that this evaluation system can effectively enhance students' learning outcomes and the achievement of teaching objectives, providing a scientific basis for the continuous improvement of public finance teaching quality. In addition, the study proposes optimization strategies, including technological upgrades, teacher training, and policy support, aiming to offer theoretical and practical references for the teaching reform of finance and economics disciplines under the NEM strategy.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».