An Optimization Model for Spatial Allocation of Compulsory Education Resources in Guangxi Townships
Notice bibliographique
Résumé
The spatial allocation of compulsory education resources in rural townships faces significant challenges that affect educational equity, quality, and accessibility. China’s rapid urbanization and rural revitalization strategies have intensified demands for optimized educational resource distribution while existing allocation systems remain inadequate. This research aimed to: (1) identify and validate essential components of spatial allocation of compulsory education resources in Guangxi townships, (2) assess current and desired states of resource allocation across seven key components, and (3) develop a comprehensive optimization model based on educational equity principles and systematic resource management. A three-phase sequential mixed-methods design was employed. Phase 1 validated seven resource allocation components through expert consultation (n=5). Phase 2 assessed current and desired states using surveys with 438 stakeholders from township schools. Phase 3 developed and validated an optimization model incorporating systematic needs analysis, strategic allocation planning, and continuous productivity monitoring. Seven primary resource components were identified: Material Resources, Financial Resources, Human Resources, Policy Support and Management Systems, Curriculum Resources, Social and Community Resources, and Technological and Informational Resources. Significant gaps existed between current allocation levels (X̅=3.48, medium level) and desired allocation levels (X̅=4.55, very high level), with priority needs index ranging from 0.207 to 0.254 across all resource components. Expert validation confirmed very high model suitability (X̅=4.65) and feasibility (X̅=4.20). This study provides the first comprehensive framework for optimizing spatial allocation of compulsory education resources in Chinese rural townships. The developed model offers a systematic, evidence-based approach combining equity principles with practical implementation strategies, demonstrating high suitability and feasibility for policy implementation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 source (Gemma direct ou Codex distillé), 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 ».