Kanada ülkesi ontario eyaleti eğitim denetimi sistemi ile Türkiye eğitim denetimi sistemlerinin karşılaştırılması
Notice bibliographique
Résumé
Bu çalışmanın amacı PISA sınavlarında başarı sıralamasında üst basamaklarda yer alan \nKanada’nın eğitim kalitesini etkileyen muhtemel nedenlerden biri olan denetim sisteminin \nincelenmesi ve Türkiye’nin eğitim denetimi sistemi ile benzer ve farklı yönlerini ortaya \nkoymaktır. Birçok eyaletten oluşan Kanada’nın kültürel çeşitliliği fazla olan Ontario \neyaletinde eğitim denetimi sistemleri, Türkiye eğitim denetimi sistemi ile yapı ve işleyiş \nbakımından ele alınacaktır. Araştırmada var olan durumun ortaya konması için gerekli \nbetimsel tarama yöntemi ile çalışılmış, her iki ülkenin eğitim denetimi sistemleri yasal \ndayanaklar esas alınarak incelenmiş, elde edilen bulgular süreç bazında değerlendirilip \nuygulamadaki durumlar karşılaştırılmıştır. Her iki ülkenin sistemleri karşılaştırıldığı için \nbu çalışma karşılaştırmalı eğitim araştırmasıdır. Doküman analizi yöntemiyle \nKanada(Ontario) ve Türkiye’nin eğitim denetimi ile ilgili kitap, tez, makale, ülkelerin \neğitim denetiminden sorumlu kurumlarının internet sitelerindeki bilgiler ve yasal \ndokümanlar kamu kayıtları, kişi ve kurumlar tarafından yazılmış yazılı kaynaklar taranarak \nbenzerlik ve farklılıkların ortaya konması sağlanmıştır. Ulaşılan veriler ışığında bulgular \nyorumlanarak öneriler sunulmuştur.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,007 |
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 ».