MétaCan
Menu
Retour à la cohorte
Enregistrement W4417505825 · doi:10.63363/aijfr.2025.v06i06.2335

Integration of Indian Knowledge System in Higher Education Curricula under NEP 2020: Opportunities, Challenges, and Global Relevance

2025· article· W4417505825 sur OpenAlexaboutno aff

Notice bibliographique

RevueAdvanced International Journal for Research · 2025
Typearticle
Langue
DomaineAgricultural and Biological Sciences
ThématiqueIndigenous Knowledge Systems and Agriculture
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumHigher educationParallelsRelevance (law)IndigenousTraditional knowledgeInternational education

Résumé

récupéré en direct d'OpenAlex

The National Education Policy (NEP) 2020 represents a landmark in India’s educational transformation, offering a comprehensive vision that seeks to align higher education with the principles of multidisciplinarity, value-based learning, and rootedness in indigenous traditions. Among its most innovative dimensions is the formal recognition and curricular integration of the Indian Knowledge System (IKS), encompassing disciplines such as Ayurveda, Yoga, Vedic mathematics, classical philosophy, literature, and traditional sciences. This initiative underscores the importance of re-establishing India’s civilizational heritage as a meaningful contributor to global intellectual discourse while simultaneously addressing national educational aspirations. This paper critically examines the opportunities, challenges, and global relevance of embedding IKS into higher education curricula under the NEP 2020 framework. It highlights the multiple opportunities created by IKS integration, such as preserving cultural identity, promoting holistic learning, fostering sustainability, encouraging interdisciplinary research, and strengthening India’s role as an international education hub. At the same time, it acknowledges the institutional and practical hurdles, including the lack of standardized curricula, limited faculty expertise, insufficient empirical validation of traditional practices, funding constraints, and questions of global recognition. The analysis also situates India’s efforts within a comparative international context, drawing parallels with the integration of indigenous knowledge systems in countries like New Zealand, Canada, and Australia. These comparative insights reveal both the potential and complexities of embedding traditional knowledge in modern education systems. Ultimately, the study emphasizes that the success of NEP 2020’s vision depends on the creation of robust frameworks that combine policy support, academic innovation, and global collaboration. By doing so, India can not only preserve its intellectual traditions but also project them as globally relevant resources for sustainable development, ethical governance, and intercultural academic exchange

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)0,004
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,081

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0050,010
Communication savante0,0130,005
Science ouverte0,0010,011
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,140
Tête enseignante GPT0,414
Écart entre enseignants0,274 · 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'étudeThéorique ou conceptuel
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 revueAdvanced International Journal for ResearchMême sujetIndigenous Knowledge Systems and AgricultureTravaux en français237 207