Освітні програми PhD

This research utilizes intellectual data analysis to deepen insights into educational dynamics by examining university professors' behavioral responses to education management amidst socioeconomic uncertainty. The study applied sophisticated regression and cluster analysis tools to sociological survey data, focusing on professors' attitudes toward distance education. The survey assessed perceptions of its advantages and disadvantages, aiming to uncover factors influencing professors' inclinations toward this mode of teaching. Results revealed six distinct behavioral "profiles" or clusters of professors, each with unique responses to distance education. These insights guide recommendations for educational policy priorities aimed at addressing weaknesses in education management. Key strategies proposed include forming databases of behavioral responses and employing algorithms for deep intellectual analysis. Such measures intend to align educational practices with the values, welfare needs, and communication preferences of the scholarly community, thereby enhancing their propensity for distance education. The study concludes that a higher level of academic engagement in distance education can be achieved by tailoring educational strategies to the specific needs and values of different professor groups. This approach promises to improve the effectiveness of education management and the overall quality of education, benefiting both professors and students by creating a more supportive and effective teaching environment.

Мета. Просування у вирішенні проблеми ідентифікації правил фінансування освіти та використання потенціалу методу штучних нейронних мереж в процесі ідентифікації правил. Методика дослідження. У процесі дослідження використано такі конкретні методи: системний підхід – для класифікації форм ідентифікації правил політики та визначення рівнів, на яких мали б реалізуватись правила фінансування освіти; аналізу на основі штучних нейронних мереж – для обґрунтування та ідентифікації правил фінансування освітньої сфери; формалізації та графічного представлення отриманих результатів – для унаочнення результатів дослідження. Результати дослідження. Визначено, що правила політики уряду є інструментом публічного управління, а для використання в цій якості вони мають бути ідентифіковані та інституціоналізовані. Обґрунтовано, що використання методу штучних нейронних мереж, який дозволяє аналізувати та прогнозувати нелінійні процеси з високою невизначеністю, створює нові можливості ідентифікації правил політики. Здійснено прогнозування двох показників фінансування освіти, формування яких мало б підпорядковуватись правилам уряду, на основі двох нейронних мереж. Наукова новизна результатів дослідження. Запропоновано інноваційний підхід до моделювання та прогнозування показників фінансування української освіти, як підпорядкованих певним правилам уряду, з використанням моделей штучних нейронних мереж. Це дало змогу отримати графи зв’язків між вхідними та вихідними змінними та передбачити показники частки витрат на освіту у ВВП та частки витрат на освіту у державних витратах, за умови реалізації передбачуваних урядом, міжнародними установами та науково-дослідними установами країни п’ятьох вхідних змінних, а саме: продуктивності праці, частки інноваційної діяльності, частки дефіциту бюджету та державного боргу у ВВП, частки працездатного населення у населенні країни. Практична значущість результатів дослідження. Розроблені та запропоновані авторами практичні підходи до ідентифікації правил фінансування освіти можуть сприяти досягненню вищого рівня інституціоналізації правил та використовуватися в роботі Міністерства освіти і науки.

Освітні програми PhD

Переглянути

Фільтри

Налаштування

Сортувати за

Результатів на сторінку

Результати пошуку