From mines to minds: addressing the skills gap in Sierra Leone
Notice bibliographique
Résumé
Subject area International business, Strategic management Study level/applicability BA and MA; courses: International business, Management courses with special focus on emerging and developing countries, Intercultural management, Strategic management. Case overview Freetown, Sierra Leone, West Africa, June 2013 – Representatives of the London Mining Corporation and Deutsche Gesellschaft für Internationale Zusammenarbeit GmbH were discussing the details about the official launch of the From Mines to Minds project. The From Mines to Minds project consisted of two components technical, vocational and educational training at St. Joseph's and functional adult literacy for people who could not benefit from the upgrade of St. Joseph's in 17 communities around the mine site. Each of them had committed 200,000 euros to the project. While the mining company favored an early launch due to internal and external pressures, the development agency evaluated that they needed to have a consolidated program before advertising it locally and nationally. This joint decision on the official launch revealed more structural issues in the “fit” between these two organizations in this cross-sectoral partnership designed to contribute to local and national sustainable development. Expected learning outcomes The purpose of the case is twofold. The first aim is to introduce students/participants to the challenges that arise when entering into a cross-sectoral partnership with another organization in a development project. The second aim is to expose students to the operational, business and strategic challenges related to operating in the volatile local and national context of a least developed economy. Supplementary materials Teaching Notes are available for educators only. Please contact your library to gain login details or email: support@emeraldinsight.com to request teaching notes.
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 | 0,000 |
| Études des sciences et des technologies | 0,006 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».