MétaCan
Menu
Retour à la cohorte
Enregistrement W4413233315 · doi:10.23887/ijerr.v8i1.90137

A Systematic Literature Review of Internal Quality Assurance in Early Childhood Education in Developed and Developing Countries

2025· article· en· W4413233315 sur OpenAlexaff
Yuli Pujianti, Siti Aminah, Entin Nuryati, Agus Mulyanto, Aimi Farina Sariff

Notice bibliographique

RevueIndonesian Journal Of Educational Research and Review · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueEarly Childhood Education and Development
Établissements canadiensEducation and Early Childhood Development
Organismes subventionnairesnon disponible
Mots-clésQuality assuranceDeveloping countryQuality (philosophy)BusinessPsychologyPolitical scienceEconomic growthEngineeringOperations managementEconomicsEpistemologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Internal Quality Assurance (IQA) is a critical component in early childhood education (ECE) to ensure that learning services meet established standards and deliver high-quality educational experiences for young children. This study aims to analyze the approaches, implementation practices, and challenges of IQA in ECE institutions through a Systematic Literature Review (SLR). The data were obtained from peer-reviewed articles published between 2014 and 2024 indexed in the Scopus database. Thematic analysis was employed to identify recurring patterns and key themes related to three dimensions of quality: structural, process, and outcome. The findings reveal that countries with more established education systems tend to integrate continuous evaluation and professional development systematically, whereas nations with limited capacity face significant challenges in terms of funding, training, and infrastructure. The study concludes that effective IQA requires a contextualized and collaborative approach, supported by consistent policy frameworks to enhance the global quality of ECE. These insights contribute conceptually to the development of adaptive and responsive quality assurance systems across diverse educational settings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,124
Score d'incertitude au seuil0,985

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,037
Tête enseignante GPT0,431
Écart entre enseignants0,395 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndonesian Journal Of Educational Research and ReviewMême sujetEarly Childhood Education and DevelopmentTravaux en français237 207