MétaCan
Menu
Retour à la cohorte
Enregistrement W1562666100

Design for a Real-world Relevant “Introduction to Business”Course: Students Learning to be Players Instead of Spectators

2009· article· en· W1562666100 sur OpenAlexaffabout
Mary Furey, Janneka Guise, Tracey Powell, Michael Skipton

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Marketing Education
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementBusiness planBusiness educationWork (physics)Information literacyBusiness analysisPublic relationsBusiness modelHigher educationBusinessEngineeringPedagogyComputer sciencePsychologyMarketingPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Business faculty, librarians and instructional design specialists at Memorial University of Newfoundland have partnered together to design a new Business 1000 course. The new course design addresses concerns from the corporate sector that business graduates lack real-world relevant knowledge and skills. This paper describes traditional “orthodox business school management education” which teaches students to look at contexts and situations, creating what we call management Spectators. We go on to describe a new model for management education which would put students into the here-and-now realities of business management and encourage situational analysis, creating what we call Players. The new model fosters critical thinking and information literacy skills in students to help them become more real-world relevant. In the new course design assignments and activities are structured as learning experiences rather than mere testing tools. In order to reflect the real-world environment students work in teams on business analysis and planning projects that may lead to a business plan. Through a “discovery learning” model, each team will necessarily learn about functional areas of business (accounting, finance, marketing, and organizational behaviour) in the course of completing the projects. Students will also hone their information literacy skills as part of the projects, learning how to identify information needs, where to get relevant and timely information, and how to critically analyze/evaluate the information they find.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,455
Score d'incertitude au seuil0,744

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,291
Écart entre enseignants0,268 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetManagement and Marketing EducationTravaux en français237 207