MétaCan
Menu
Retour à la cohorte
Enregistrement W6893639374 · doi:10.5281/zenodo.4039824

Marketing mistakes or unethical marketing in higher education? Two case stud-ies in Ontario Colleges

2020· article· en· W6893639374 sur OpenAlexaboutno aff

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Governance and Development
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCommercializationContext (archaeology)ImmigrationPoint (geometry)PlaintiffPublic policyService (business)

Résumé

récupéré en direct d'OpenAlex

Using the lens of the commercialization of higher education, this paper scrutinizes how marketing efforts are made to recruit international students as educational consumers in Ontario, Canada. Specifically, this paper examines how the government’s immigration policy directly and explicitly encourages the public college system to take advantage of the immigration policy and use it as a selling point in educational marketing. To stay competitive in the educational market, the two case study colleges initiated various programs specifically designed to satisfy international students’ immigration needs and wants. They also implemented various marketing tools to convey this message and advertise their capabilities. While some students eventually become educational consumers of these programs, they also unexpectedly became plaintiffs filing lawsuits against their education service providers. They claimed that false marketing communications had impaired their rights; the colleges became defendants, defending their marketing mistakes as is done in the for-profit private sector. This paper concludes by providing potential guidelines to help maintain ethical marketing in the context of a commercialized higher education market.

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)0,010
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil0,464

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,026
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0270,016
Communication savante0,0070,004
Science ouverte0,0020,004
Intégrité de la recherche0,0060,004
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 Opus0,093
Tête enseignante GPT0,323
Écart entre enseignants0,229 · 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'étudeQualitatif
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetHigher Education Governance and DevelopmentTravaux en français237 207