KR20210142812A - 대학 강의 개선을 위한 추천 시스템 - Google Patents

대학 강의 개선을 위한 추천 시스템 Download PDF

Info

Publication number
KR20210142812A
KR20210142812A KR1020200059423A KR20200059423A KR20210142812A KR 20210142812 A KR20210142812 A KR 20210142812A KR 1020200059423 A KR1020200059423 A KR 1020200059423A KR 20200059423 A KR20200059423 A KR 20200059423A KR 20210142812 A KR20210142812 A KR 20210142812A
Authority
KR
South Korea
Prior art keywords
lecture
evaluation
everytime
data
recommendation system
Prior art date
Application number
KR1020200059423A
Other languages
English (en)
Inventor
백솔희
Original Assignee
백솔희
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 백솔희 filed Critical 백솔희
Priority to KR1020200059423A priority Critical patent/KR20210142812A/ko
Publication of KR20210142812A publication Critical patent/KR20210142812A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/20—Education
    • G06Q50/205—Education administration or guidance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Educational Administration (AREA)
  • Educational Technology (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

본 발명은 대학 강의 개선을 위한 추천 시스템에 관한 것으로서 에브리타임 강의평가 정형 데이터에 의하여 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 하고, 에브리타임 강의평가 비정형 데이터에 의하여 수강했던 학생들이 주관적 총평을 제공하도록 하고, 교내 학부생 학적 데이터에 의하여 성적 평가 패턴 분석 및 예측을 할 수 있도록 하고, 검색 엔진에 의하여 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 하고, 강의 개선 추천 시스템에 의하여 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 함으로써 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소하도록 함으로써 기존의 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소 하도록 한 것이다.
즉 본 발명은, 대학교 커뮤니티 시스템(에브리타임)에 있어서 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 강의 개선 추천 시스템으로 구성한 것이다.
따라서, 본 발명은 에브리타임 강의평가 정형 데이터에 의하여 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 하고, 에브리타임 강의평가 비정형 데이터에 의하여 수강했던 학생들이 주관적 총평을 제공하도록 하고, 교내 학부생 학적 데이터에 의하여 성적 평가 패턴 분석 및 예측을 할 수 있도록 하고, 검색 엔진에 의하여 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 하고, 강의 개선 추천 시스템에 의하여 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 함으로써 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소하도록 함으로써 기존의 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소하도록 한 효과를 갖는 것이다.

Description

대학 강의 개선을 위한 추천 시스템{Recommendation Algorithms for Improving University Lectures}
본 발명은 대학 강의 개선을 위한 추천 시스템에 관한 것으로서,
더욱 상세하게는 대학교 커뮤니티 시스템(에브리타임)에 있어서,
수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 강의 개선 추천 시스템으로 구성 하여서,
에브리타임 강의평가 정형 데이터에 의하여 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 하고, 에브리타임 강의평가 비정형 데이터에 의하여 수강했던 학생들이 주관적 총평을 제공하도록 하고, 교내 학부생 학적 데이터에 의하여 성적 평가 패턴 분석 및 예측을 할 수 있도록 하고, 검색 엔진에 의하여 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 하고, 강의 개선 추천 시스템에 의하여 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 함으로써 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소하도록 함을 목적으로 한 것이다.
일반적으로 대학교 커뮤니티 시스템(에브리타임)은 전국 400개 대학을 지원하는 대학교 커뮤니티 및 시간표 서비스, 시간표 작성 및 학업 관리, 학교 생활 정보, 학교별 익명 커뮤니티 기능을 제공하는 것이다.
상기한 바와 같이 대학교 커뮤니티 시스템(에브리타임)은 학교 인증을 거친 재학생들의 안전한 대화를 위한 익명 시스템, 학생들이 직접 게시판을 개설하여 운영하는 커뮤니티 플랫폼으로 구성된 것이다.
이상과 같은 대학교 커뮤니티 시스템(에브리타임)은 시간표 작성, 수업 일정 및 할일 등 편리한 학업 관리가 가능하도록 하고, 학식 등 유용한 학교 생활 정보를 접할 수 있도록 하며, 같은 캠퍼스들의 학생들과 소통하는 익명 커뮤니티를 제공하는 것이다.
그러나 상기한 바와 같은 종래의 대학교 커뮤니티 시스템(에브리타임)은 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점이 있었다.
대한민국 특허 공개 제 1020190036769호
이에 본 발명은 종래의 대학교 커뮤니티 시스템(에브리타임)이 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해결하기 위한 것이다.
즉, 본 발명은 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 강의 개선 추천 시스템으로 구성한 것이다.
따라서 본 발명은 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 강의 개선 추천 시스템으로 구성 함으로써, 에브리타임 강의평가 정형 데이터에 의하여 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 하고, 에브리타임 강의평가 비정형 데이터에 의하여 수강했던 학생들이 주관적 총평을 제공하도록 하고, 교내 학부생 학적 데이터에 의하여 성적 평가 패턴 분석 및 예측을 할 수 있도록 하고, 검색 엔진에 의하여 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 하고, 강의 개선 추천 시스템에 의하여 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 함으로써 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소하도록 한 효과를 갖는 것이다.
도 1: 본 발명의 첫화면
도 2: 본 발명의 내부화면
도 3: 본 발명의 크롤링 코드
도 4: 본 발명의 크롤링 출력
도 5: 에브리타임 강의평가(정형) 항목
도 6: 에브리타임 강의평가(비정형) 항목
즉, 본 발명은 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 (100)에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 (200)에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 (300)교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 (400)검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 (500)강의 개선 추천 시스템으로 구성 된 것이다.
여기서, (100)에브리타임 강의평가 정형 데이터는 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 것이다.
여기서, (200)에브리타임 강의평가 비정형 데이터는 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 것이다.
여기서, (300)교내 학부생 학적 데이터는 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 것이다.
여기서, (400)검색 엔진은 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 것이다.
여기서, (500)강의 개선 추천 시스템은 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 것이다.
이하, 본 발명의 사용과정에 대하여 설명하면 다음과 같다.
상기한 바와 같이 본 발명은 대학교 커뮤니티 시스템(에브리타임)에 있어서 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 (100)에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 (200)에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 (300)교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 (400)검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 (500)강의 개선 추천 시스템으로 구성된 본 발명을 적용하여 실시하게 되면, 강의평에 대한 데이터를 통해 학생들은 강의 수강 여부를 결정하지만, 이 강의평을 통한 교수들의 강의는 개선되지 않는 문제점을 해소하도록 한 것이다.
또한 본 발명의 실시에 있어, 일정한 형식으로 구성한 (100)에브리타임 강의평가 정형 데이터로 구성한 본 발명을 적용하여 실시하게 되면, 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 될 것이다.
또한 본 발명의 실시에 있어, 일정하지 못한 형식으로 구성한 (200)에브리타임 강의평가 비정형 데이터로 구성한 본 발명을 적용하여 실시하게 되면, 수강했던 학생들이 주관적 총평을 제공하도록 될 것이다.
또한 본 발명의 실시에 있어, 일정한 형식으로 구성한 (300)교내 학부생 학적 데이터로 구성한 본 발명을 적용하여 실시하게 되면, 성적 평가 패턴 분석 및 예측을 할 수 있도록 될 것이다.
또한 본 발명의 실시에 있어, 파이썬 크롤링 코드로 구성한 (400)검색 엔진으로 구성한 본 발명을 적용하여 실시하게 되면, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 될 것이다.
또한 본 발명의 실시에 있어, 앱 형태로 형성한 (500)강의 개선 추천 시스템으로 구성한 본 발명을 적용하여 실시하게 되면, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 될 것이다.
100: 에브리타임 강의평가 정형 데이터, 200: 에브리타임 강의평가 비정형 데이터, 300: 교내 학부생 학적 데이터, 400: 검색 엔진, 500: 강의 개선 추천 시스템

Claims (6)

  1. 대학교 커뮤니티 시스템(에브리타임)에 있어서,
    수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성한 (100)에브리타임 강의평가 정형 데이터, 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성한 (200)에브리타임 강의평가 비정형 데이터, 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성한 (300)교내 학부생 학적 데이터, 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성한 (400)검색 엔진, 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성한 (500)강의 개선 추천 시스템으로 구성 된 것을 특징으로 하는 대학 강의 개선을 위한 추천 시스템.
  2. 제 1항에 있어서,
    (100)에브리타임 강의평가 정형 데이터를 통하여 수강했던 학생들이 총점, 과제, 조모임, 학점 비율, 출결, 시험 횟수, 수강 학기에 대한 평가를 제공하도록 일정한 형식으로 구성함을 특징으로 하는 대학 강의 개선을 위한 추천 시스템.
  3. 제 1항에 있어서,
    (200)에브리타임 강의평가 비정형 데이터를 통하여 수강했던 학생들이 주관적 총평을 제공하도록 일정하지 못한 형식으로 구성함을 특징으로 하는 대학 강의 개선을 위한 추천 시스템.
  4. 제 1항에 있어서,
    (300)교내 학부생 학적 데이터를 통하여 성적 평가 패턴 분석 및 예측을 할 수 있도록 일정한 형식으로 구성함을 특징으로 하는 대학 강의 개선을 위한 추천 시스템.
  5. 제 1항에 있어서,
    (400)검색 엔진을 통하여 강의평가에 대한 비정형 데이터를 수집 및 분석하도록 파이썬 크롤링 코드로 구성함을 특징으로 하는 대학 강의 개선을 위한 추천 시스템.
  6. 제 1항에 있어서,
    (500)강의 개선 추천 시스템을 통하여 에브리타임 강의평가 정형 데이터 변수 중 총점 부분에서 높은 총점에 해당하는 과목의 강의 총평을 활용하여 총점이 낮은 교수에게 어떠한 부분을 향상시켜야 하는지에 대해 강의 방법 추천 알고리즘을 제공히도록 앱 형태로 형성함을 특징으로 하는 대학 강의 개선을 위한 추천 시스템.
KR1020200059423A 2020-05-19 2020-05-19 대학 강의 개선을 위한 추천 시스템 KR20210142812A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200059423A KR20210142812A (ko) 2020-05-19 2020-05-19 대학 강의 개선을 위한 추천 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200059423A KR20210142812A (ko) 2020-05-19 2020-05-19 대학 강의 개선을 위한 추천 시스템

Publications (1)

Publication Number Publication Date
KR20210142812A true KR20210142812A (ko) 2021-11-26

Family

ID=78700175

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200059423A KR20210142812A (ko) 2020-05-19 2020-05-19 대학 강의 개선을 위한 추천 시스템

Country Status (1)

Country Link
KR (1) KR20210142812A (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190036769A (ko) 2017-09-28 2019-04-05 오종현 강의 피드백 분석 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190036769A (ko) 2017-09-28 2019-04-05 오종현 강의 피드백 분석 시스템

Similar Documents

Publication Publication Date Title
Stankosky Advances in knowledge management: University research toward an academic discipline
Yildiz et al. Teaching public policy to undergraduate students: Issues, experiences, and lessons in Turkey
KR102370384B1 (ko) 데이터 가공을 통한 비대면 면접 방법
KR20210142812A (ko) 대학 강의 개선을 위한 추천 시스템
Hassan et al. Knowledge sharing intention, attitudes and workplace emotions at a bank in Malaysia
Gordin An instrumental case study of the phenomenon of collaboration in the process of improving community college developmental reading and writing instruction
Lewis et al. The mantle of agency: Principals’ use of teacher evaluation policy
Reckmeyer The Effects of a Principal's Interactions with Teachers on Teachers' Well-being
Cawelti Designing Curriculum Appropriate to the 21st Century.
Goff et al. A New Evaluation Approach for Teacher Preparation Programs Using Labor Market Competitiveness of Teacher Applicants. WCER Working Paper No. 2020-3.
Goff et al. A New Evaluation Approach for Teacher Preparation Programs Using Labor Market Competitiveness of Teacher Applicants
Asadi et al. Bibliometrics in practice in developing nations: A study on the development of scientometrics and bibliometrics careers in Iran
Loredo et al. Assessment-based models for learning and growth
Alonso-Fernández et al. Meta-Review of Recognition of Learning in LMSs and MOOCs
LeGeros The association between elementary teacher licensure test scores and student growth in mathematics: An analysis of Massachusetts MTEL and MCAS tests
Geisler Evaluating music educator effectiveness through student growth: An investigation of the Ohio teacher evaluation system
Mohammadimehr et al. Identifying the factors affecting on interaction of faculty member: A meta-synthesis
GEE The Influence of Career Academies on Students’ Workplace Readiness
Johnson et al. Charters as Counter Publics: Addressing the Civic Side of Charter Schooling
Жамалова SOCIAL AND HUMANITARIAN SCIENCES IN IMPROVING POLITICAL AND LEGAL CULTURE OF YOUTH
Chesler Planning multicultural audits in higher education
Nuri Sevgin A Research for the Usage Level of Management Information Systems By School Administrators
Rezaei et al. Presenting a Model for Managing Teachers' Professional Growth with a Meta-analyze Approach
OJWANG STUDENTS POLITICS AND THEIR INFLUENCE ON HIGHER EDUCATION GOVERNANCE IN KENYA
Macaluso Assessing School Climate