Application of best practices in university entrepreneurship education
Notice bibliographique
Résumé
Purpose – The purpose of this paper is to identify and apply best practices in university entrepreneurship education to the creation of a new MBA in entrepreneurship and innovation management. It is a direct response to calls for a total re-envisioning of entrepreneurship education and criticism that existing programs lack rigour, content, pedagogy, measurement and an established definition. Design/methodology/approach – This article uses reviews of the literature to identify normative best practices and how to apply them to the new program. An entrepreneurship program design framework (EPDF) was created and applied to a new MBA program being developed in central Germany. Findings – Most studies describe aspects of current programs (e.g. lists of courses) but almost none say what should be in a program. Others provide abstract guidance (e.g. programs should define entrepreneurship) but do not give specific recommendations (e.g. what the definition should be). The proposed EPDF provided a rigorous structure for reviewing the literature, designing the new program and establishing specific best practice recommendations for defining program goals, content, pedagogy and measurement of student transformation. Research limitations/implications – The entrepreneurship literature is largely silent on normative best practice guidance, so the proposed application of best practices should be evaluated in that context. Originality/value – Previous articles present relatively abstract frameworks and concepts, whereas this article is a direct application of the practical implications of these concepts. The proposed normative best practice guidelines may be somewhat controversial, but should stimulate useful discussion.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».