MétaCan
Menu
Retour à la cohorte
Enregistrement W4411579721 · doi:10.31516/2410-5333.067.06

Current Trends for the Development of Educational Programs in Information and Document Studies in Ukraine

2025· article· en· W4411579721 sur OpenAlexaboutno aff
Luidmyla Filipova, V. Brusentsev, A. Shelestova

Notice bibliographique

RevueVisnyk of Kharkiv State Academy of Culture · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Educational Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurrent (fluid)Political scienceData scienceComputer scienceRegional scienceGeographyEngineering

Résumé

récupéré en direct d'OpenAlex

The purpose of the study is to analyze trends, challenges, and prospects in the development of modern educational programs (EPs) of an information and documentation profile in Ukraine and abroad. It examines the existing challenges faced by higher education institutions (HEIs) in Ukraine within the information society context, with particular focus on comparing master’s degree programs across Ukrainian, American and Canadian universities. The methodology. The research provides comparative analysis of educational programs in the specialty 029 “Information, Library and Archival Affairs” using Kharkiv State Academy of Culture (KSAC) as a primary case study. The methodology includes: content analysis of bachelor’s and master’s programs’ professional competencies and learning outcomes; quantitative and qualitative analysis of master’s program titles across Ukrainian HEIs based on 2024 admission campaign data; comparative assessment of target, content, and formal aspects of similar programs in American and Canadian universities; analysis of selective course systems and practical-experimental training approaches. The results. The study identifies important distinctions between the educational approaches of North America and Ukraine in the areas of: the flexibility of elective courses in American universities in comparison to their Ukrainian counterparts; the greater focus on information technology and hands-on training in foreign educational programs; the current status and nomenclature of Ukrainian master’s programs in specialty 029; and specific professional competencies and learning outcomes in bachelor’s and master’s programs designed to improve information technology education. The scientific novelty. The research provides a comprehensive comparative analysis of information- and document-oriented educational programs across different countries, identifying key challenges in the Ukrainian educational system amid digital transformation. It offers an original assessment of current trends in professional training for information specialists and establishes a basis for educational program development that aligns with global standards while addressing local needs. The practical significance. The findings present distinct viewpoints for the development of information- and document-oriented educational programs in Ukraine that focus on: expanding the use and application of contemporary digital technologies; improving students’ hands-on training; establishing a top-notch, competitive information science education system; and resolving identified barriers to achieving the full potential of digital educational programs in Ukrainian higher education institutions. The research provides valuable insights for educational administrators, curriculum developers, and policy makers seeking to improve the quality and competitiveness of information science education in Ukraine.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,017
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
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 Opus0,063
Tête enseignante GPT0,396
Écart entre enseignants0,333 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVisnyk of Kharkiv State Academy of CultureMême sujetInnovative Educational TechnologiesTravaux en français237 207