MétaCan
Menu
Retour à la cohorte
Enregistrement W1921847714 · doi:10.5430/ijhe.v4n3p129

Real World Projects with Companies Supporting Competence Development in Higher Education

2015· article· en· W1921847714 sur OpenAlexvenueno aff
Thomas Baaken, Bert Kiel, Thorsten Kliewe

Notice bibliographique

RevueInternational Journal of Higher Education · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Marketing Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCompetence (human resources)Good practiceBusinessEngineering managementKnowledge managementEngineering ethicsEngineeringManagementComputer scienceEconomics

Résumé

récupéré en direct d'OpenAlex

The department of business administration of Münster University of Applied Sciences (MUAS) in Germany has a long tradition in realising practice-oriented research projects in cooperation with industry. The objective of these cooperative projects is to offer students real-life experiences and to make the theoretical know-how of university lectures more tangible by using it in an actual business case setting. Students are given responsibility for project deliveries fitting the expectations of real companies in their real business. Through the projects students are encouraged to develop individual learning and problem solving competencies. In this paper, four good practice examples for university-industry cooperation integrated in the education of students in the field of marketing, specifically market analysis, will be presented. The project descriptions will highlight the different methodological approaches, focusing on their specific innovative features. The paper will evaluate the competencies students gain during their involvement in those kind of projects. To follow a valid scientific approach, the competence matrix of Erpenbeck & Heyse will be presented and used to highlight the specific competences gained by the students working on those projects.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,060

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0040,002
Communication savante0,0030,002
Science ouverte0,0020,005
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,043
Tête enseignante GPT0,312
Écart entre enseignants0,269 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations34
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetManagement and Marketing EducationTravaux en français237 207