MétaCan
Menu
Retour à la cohorte
Enregistrement W2016076812 · doi:10.5539/hes.v5n1p20

Towards Entrepreneurial Learning Competencies: The Perspective of Built Environment Students

2015· article· en· W2016076812 sur OpenAlexvenueno aff
Ernest Kissi, Somiah K. Matthew, Ansah K. Samuel

Notice bibliographique

RevueHigher Education Studies · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipPsychologyPerspective (graphical)Graduate studentsEntrepreneurship educationMedical educationKnowledge managementPedagogyBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

This paper sought to discuss entrepreneurial learning competencies by determining the outcome of entrepreneurial learning on the views of built environment students in the university setting. In this study, three relevant competencies were identified for entrepreneurial learning through literature, namely: entrepreneurial attitude, entrepreneurial skills and knowledge of entrepreneurship. On this basis, questionnaire was designed and administered to graduate students in built environment. In all, a total of 124 questionnaires were administered to respondents. Out this, 84 were retrieved representing a response rate of 68% and were further subjected to analysis using Relative Importance Index (RII). The findings from the study highlighted on competencies factors that have great impact on entrepreneurs in dealing with tasks and problems related to entrepreneurial learning processes. These key entrepreneurial competencies as perceived by the built environment students were ranked as: entrepreneurial attitude, knowledge of entrepreneurship and entrepreneurial skill. The findings may help stakeholders in the building industry including up-coming graduate students. Thus, it could help in their journey into entrepreneurial terrain affiliated to advancement of their career, as a way to increase private wealth and the pursuit of a more balanced life.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,549
Score d'incertitude au seuil0,428

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 savante0,0000,000
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 Opus0,069
Tête enseignante GPT0,331
Écart entre enseignants0,262 · 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'étudeObservationnel
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

Citations47
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher Education StudiesMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207