Curriculum Evaluation in Higher Education: Examples from Australia, Canada, The United Kingdom, and the United StatesCurriculum Evaluation in Higher Education: Comparative Analysis of Some Practices from Australia, Canada, the United Kingdom, and the United States
Bibliographic record
Abstract
Bireyleri kalkınmanın temeli olan bilgiyle buluşturarak onları dönüştüren en nitelikli kurumlar olan üniversiteler, bilgi teknolojilerindeki gelişmeler ile yeni ortaya çıkan endüstrilerin yarattığı değişim ve dönüşümden önemli ölçüde etkilenmiştir. Yükseköğretimde eğitim programlarının yeni ihtiyaçlara göre geliştirilmesi maksadıyla yapılan reformlar ile program değerlendirme süreçleri önem kazanmış ve dünyanın önde gelen üniversitelerinin birçoğu sistematik ve döngüsel program değerlendirme süreçlerini uygulamaya yönelmiştir. Karşılaştırmalı bir eğitim araştırması olan bu nitel ve betimsel çalışma, James Cook Üniversitesi (Avustralya), Toronto Üniversitesi (Kanada), Londra Şehir Üniversitesi (İngiltere) ve Oregon Üniversitesindeki (ABD) program değerlendirme süreçlerinin ön hazırlık, planlama, uygulama ve sonuçlandırma aşamalarının özelliklerini belirleyerek karşılaştırmayı ve bu süreçlerin işleyişini analiz etmeyi amaçlamıştır. Araştırmanın verileri doküman incelemesi yöntemiyle toplanmış ve doküman analizi ile analiz edilmiştir. Araştırma kapsamındaki üniversitelerde; kapsamlı, planlı, yapılandırılmış, sistematik ve döngüsel program değerlendirme süreçleri bulunduğu; program değerlendirmenin akademik ve kurumsal gelişimi amaçlayarak uygulandığı; değerlendirme süreçlerinde üst yönetimin öncü olduğu ve kurumun her basamağının sürece katkı sağladığı; tüm paydaşların değerlendirme sürecine katılımının önemsendiği; program değerlendirme süreçlerinde bilimsel yöntemler ve çok çeşitli veri toplama araçlarının kullanıldığı; değerlendirme süreçlerinin her aşamasında ayrıntılı raporlar ile paydaşların bilgilendirildiği sonuçlarına ulaşılmıştır. Bu araştırmanın Türk üniversitelerine program değerlendirme süreçleri tasarlamak ve uygulamak amacıyla kapsamlı ve sistemli bir kaynak sağlayacağı düşünülmektedir.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.011 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".