MétaCan
Menu
Retour à la cohorte
Enregistrement W2466675956 · doi:10.17722/ijme.v7i1.845

The Mediating Effect of Training Perspective on the Relationship Between Competency Potential and Career Progression of Technical Vocational Trainers

2016· article· en· W2466675956 sur OpenAlexvenueno aff
Amparo Argawanon Tulo, Gloria P. Gempes

Notice bibliographique

RevueInternational Journal of Management Excellence · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueRegional Economic Development and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSobel testPerspective (graphical)Vocational educationMediationDescriptive statisticsPsychologyTest (biology)Medical educationApplied psychologyKnowledge managementComputer scienceStatisticsSocial psychologyPedagogyMedicineSociologyMathematicsArtificial intelligenceSocial science

Résumé

récupéré en direct d'OpenAlex

Abstract- The purpose of the study was to determine if the training perspective on trainers’ methodology had a significant mediating effect on the relationship between competency potential and career progression of the technical vocational trainers in Davao Region, Philippines. The design used was non-experimental quantitative research utilizing correlation technique. Descriptive statistics, pearson r, regression, mediation through sobel test and medgraph were the tools employed to attain the objectives of the study. The 407 respondents were found to show very high levels of competency potential, training perspective and career progression. It was found out that the three variables were significantly related. However, the result failed to achieve full mediation of training perspective on the relationship between the correlated variables. This implies that training perspective only mediated partially the relationship between competency potential and career progression. The result signifies that direct effect on career progression maybe due to the combination of competency potential and other variables not covered in the study.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,000

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 Opus0,034
Tête enseignante GPT0,279
Écart entre enseignants0,245 · 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'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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Management ExcellenceMême sujetRegional Economic Development and InnovationTravaux en français237 207