MétaCan
Menu
Retour à la cohorte
Enregistrement W1606828606 · doi:10.5539/ies.v8n6p194

Income Generation Activities among Academic Staffs at Malaysian Public Universities

2015· article· en· W1606828606 sur OpenAlexvenueno aff
Abd Rahman Ahmad, Ng Kim-Soon, Ngeoh Pei Ting

Notice bibliographique

RevueInternational Education Studies · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueIslamic Finance and Banking Studies
Établissements canadiensnon disponible
Organismes subventionnairesUniversiti Tun Hussein Onn Malaysia
Mots-clésHigher educationCommercializationSustainabilityQualitative researchPublic universityPublic relationsOrder (exchange)BusinessLow incomeMarketingEconomic growthSociologyPolitical scienceEconomicsPublic administrationSocioeconomicsFinanceSocial science

Résumé

récupéré en direct d'OpenAlex

Income generation activities have been acquainted among public higher education institutions (HEIs) in Malaysia. Various factors that brought to insufficient of funding caused Higher Education Institutions(HEIs) to seek for additional income as to support the operation expenses. Financial sustainability issues made up the significant impact towards HEIs. Through the different instruments adopted by HEI, perhaps academic staffs are one of the parties that in charge of the income generation at universities. This research employed qualitative method by conducting interviews as a medium to provide insights to researcher. Then, the interviews data are analysed using the Interactive Model. The results pointed out that the main income generation activities originated from the research and consultancy whilst commercialization contributed the most significant income towards university. As a conclusion, the income which generated by the academic staffs is at upmost important to the development and sustainability of a university. Perhaps this research is significant to those who are concerning on the issues of income generating activities arisen among academic staffs. Through the results gained, certain parties may get known to the root of problems and then, solve it. It will eventually help the university to get a better way in order to attain the optimal results in income generation.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,392
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,073
Tête enseignante GPT0,318
Écart entre enseignants0,245 · 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

Citations13
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetIslamic Finance and Banking StudiesTravaux en français237 207