Entrepreneurship Education as a Catalyst of Business Start-Ups: A Study on Malaysian Community College Students
Notice bibliographique
Résumé
This study investigates the effect of entrepreneurship education on the Malaysian community college students’ inclination towards entrepreneurship. It is built on the previous study by Ooi (2008) which examined the university students’ inclination towards entrepreneurship. A sample consisting of 235 students were drawn from four community colleges located in the Malaysian northern region. The students were in the final year of their diploma studies in various disciplines. A survey questionnaire was employed to elicit responses concerning their entrepreneurship inclination and characteristics. Descriptive statistics were used to analyse respondents’ characteristics and Partial Least Square Structural Equation Modelling (SEM-PLS) was employed in determining the relationship among the variables of the study. The results of the study indicated that 51 per cent of the community college students would consider commencing a business as their future vocation, whilst 33 per cent stated that they are probably to start a new business venture after completion of their studies. This could be attributed to the effort taken by the community colleges in promoting entrepreneurship among students. The entrepreneurial factors: role models and the role played by the community colleges in promoting entrepreneurship showed a statistically significant positive influence on community college students’ decision to pursue an entrepreneurial career. The Partial Least Square – Multi Group Analysis (PLS-MGA) employed for moderating the personal background variables indicated no significant differences on path coefficients between the various groups across gender and working experience. An exception was the effect of role models on entrepreneurial inclination, which was significantly higher with those participants without working experience. Recommendations and future research direction are delivered in relation to the findings of this study.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».