The Place of TVET as a Tool for Manpower Development for Achieving Vision 20; 2020 in the Nigerian Construction Industry
Notice bibliographique
Résumé
In demonstration of its commitment towards achieving the Millennium Development Goals (MDGs), the Federal Government of Nigeria has set year 2020 as the target year of becoming one of the 20-leadingeconomy globally: termed Vision 20:2020. However, Technical and Vocational Education Training (TVET) is one of the training strategies adopted for the required manpower development to drive the economy towards achieving this laudable vision. This Study therefore, examined TVET as a means of manpower development required for attaining Vision 20: 2020 in Nigeria. The major objective is to determine the effectiveness of the programme (TVET) as a verifiable tool for building the necessary manpower to drive the economy towards achieving the set vision. Towards this end, a questionnaire survey was conducted on a sample of one hundred (100) establishments that engages HND graduates in Quantity Surveying in one year youth service Scheme covering the six geo-political zones in Nigeria. The data obtained were subjected to Relative Skill Acquisition Index (R.S.A.I). The RSAI obtained was compared with the expected RSAI of 4 (Good Performance) using Chi-square (c2) test at 95% confidence level. SPSS 15.0 version was adopted for the analysis. The result revealed that the obtained RSAI is significantly lower than the expected (?<0.05). The paper concluded that the skilled acquired by the graduates is far below the required skill that will drive the economy towards achieving the vision.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».