Пути оптимизации формирования эстетической культуры будущих хореографов
Notice bibliographique
Résumé
1. Рєпнова Т. П. Тренінг емоційної зрілості / Т. П. Рєпнова // Практична психологія та соціальна робота. – 2006. – № 3. – С. 14-16. 2. Петько Л.В. Виховний і професійний аспекти музично-педагогічної спрямованості навчання іноземної мови студентів ВНЗ у системі музично-педагогічної освіти / Л.В.Петько // Музика та освіта ; гол.ред. Л.М.Масол. – Київ : Педагогічна думка, 2013. – № 3. – C. 14–18. URI http://enpuir.npu.edu.ua/handle/123456789/7872 3. Тернопільська В.І. Система виховання соціально-комунікативної культури учнів загальноосвітньої школи у позаурочній діяльності: дис. … доктора пед. наук : 13.00.07 / Тернопільська Валентина Іванівна. – К., 2009. – 573 с. 4. Тернопільська В.І. Соціально-комунікативна культура школяра: шляхи сходження : монографія / В.І. Тернопільська. – Житомир : Вид-во ПП “Рута”, 2008. – 300 с. 5. Pet’ko L.V. Formation of professionally oriented foreign language teaching environment in the conditions of university for students of art specialties / L.V.Pet’ko // Economics, management, law: problems of establishing and transformation: Collection of scientific articles. Psychology. Pedagogy and Education. – Al-Ghurair Printing & Publishing LLC, Dubai, UAE, 2016. – P. 395−398. URI http://enpuir.npu.edu.ua/handle/123456789/9779 6. Pet’ko Lyudmila. Isadora Duncan and Sergey Esenin // Lyudmila Pet’ko, Yevgenia Shpota // Intellectual Archive, 2014. – January. – Volume 3. – Number 1. – Toronto : Shiny Word Corp. – Р. 82–88. URI http://enpuir.npu.edu.ua/handle/123456789/7844
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 | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,019 | 0,010 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,032 |
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 ».