Learning and Innovation Competence in Agricultural and Rural Development
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Purpose: The fields of competence development and capacity development remain isolated in the scholarship of learning and innovation despite the contemporary focus on innovation systems thinking in agricultural and rural development. This article aims to address whether and how crossing the conventional boundaries of these two fields provide new directions for developing learning and innovation competence in international development. Design/methodology/approach: Using mixed methods research, this article assesses work environments for experiential learning and innovation, and investigates effective ways of enhancing core competence in agricultural research, education, extension and entrepreneurship. Findings: Findings suggest that while the focus on input and output indicators are relevant for technological innovation competence development, outcome indicators, such as measures of changes in cognitive, affective and psychomotor domains of learning and innovation, would better serve the purpose of developing organisational and institutional learning and innovation competence. Practical implications: This research concludes that crossing the conventional boundaries of competence development and capacity development serves as a way to renew the role of education within the innovation systems thinking. However, such an attempt to enhance human capabilities and functionings through education should integrate theory-based, competence-based and experiential learning components as a coherent whole. Originality/value: This article demonstrates the value of crossing the conventional boundaries of the two seemingly unrelated fields—competence development through education and capacity development through extension—to provide new directions to operationalise innovation systems thinking in agricultural education and extension.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle