Computer Graphics Skills Required for Effective Entrepreneurial Development
Notice bibliographique
Résumé
This study identified lucrative business ideas in the use of computer graphics skills that could boost entrepreneurial development. The descriptive survey research design was adopted for the study. Five specific purposes and five research questions were formulated to guide the study. The population for the study was eight graphics design/printing press firms comprising of 1,024 graphics design/printing press personnel in Nsukka metropolis, Enugu State, Nigeria. A Structured questionnaire was used as an instrument for data collection and data collected were analyzed using mean. Major findings of the study showed that ability to think creatively and create a vision or imagery off heart, ability to utilize the hardware and software rights of graphics designing jobs, ability to use the function/impact of design and the role of the design profession appropriately in our society, ability to organize files in terms of formats/size for easy use, ability to use computer software to execute designs, meeting with clients and adjusting designs to fit their needs or taste, and using the various print and layout techniques were among the artistic, technical, communication, organizational and problem solving skills required in computer graphics for effective entrepreneurial development. Based on the findings of this study, it was recommended that the curriculum of institutions of higher learning in computer graphics should be reviewed to incorporate present needs of the society. The government should also ensure that adequate funds are allocated to procure necessary facilities that will facilitate teaching and learning of computer graphics in schools.
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 | 0,000 | 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 | 0,001 | 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 ».