The problem of going from training to learning: the case of Hungary
Notice bibliographique
Résumé
Purpose The aims of the research behind the paper are to understand better the present situation of the problem of going from training to learning and to try to suggest methods and solutions to improve the situation. Design/methodology/approach The author uses her experience in teaching cross‐cultural management and interviews with top executives to find out how some typical cultural factors influence management practices and employee behavior. Findings The key findings of the paper are the following: cultural factors play a great role in how companies are managed and people in them handled: controlled and motivated. But it looks like there is another important group of factors that influence all these managerial elements: this is the economic and political situation of any country. In the case of Hungary, which is a cheap production site for global and multinational companies, managers manage, control and motivate differently than for example “at home”, in a highly developed country. Research limitations/implications Further research on a larger sample is needed to support the ideas mentioned in the article better. Practical implications One implication could be to write a professional textbook on the topic. A further one is to put together a proposal for the government in order to focus the attention on the importance of learning in all kinds of institutions and at all levels. One practical result of the findings is these are already being taught by the author thorugh the international management courses for foreign students studying at the Corvinus University in Budapest. Originality/value The paper presents a research approach of trying to find relationships between cultural factors and learning approaches and philosophies. It can be of value for those interested in cross‐cultural research, and also for companies interested in finding the best approaches to learning in a particular society.
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 | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,011 | 0,007 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».