MétaCan
Menu
Retour à la cohorte
Enregistrement W2531859599 · doi:10.5539/res.v9n2p106

Computer Programming Competencies Required by Computer Education Graduates for Sustainable Employment

2017· article· en· W2531859599 sur OpenAlexvenueno aff
Nnenna Ekpereka Ibezim

Notice bibliographique

RevueReview of European Studies · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueTeaching and Learning Programming
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCronbach's alphaComputer scienceCurriculumTest (biology)StatisticMedical educationKnowledge managementData collectionDescriptive statisticsEngineering managementSoftware engineeringPsychologyStatisticsEngineeringMedicinePedagogyMathematics

Résumé

récupéré en direct d'OpenAlex

This study identified the computer programming competencies required of computer education graduates for sustainable employment in Enugu metropolis, Enugu state, Nigeria. Three research questions and one null hypothesis guided the study. The study adopted descriptive survey research design. The population for the study was 95, which comprised of 74 computing lecturers, 6 IT programming instructors, and 15 programmers. A structured questionnaire was used for data collection. The instrument was face validated by three experts in computer programming. Cronbach Alpha statistic was used to determine the internal consistency of the instrument, yielding reliability co-efficient of 0.83. Mean and Standard deviation were used to answer the research questions while ANOVA statistic was used to test the hypothesis. The study found out that 25 hard competencies, 18 business competencies, and 19 soft competencies are required by computer education graduates for sustainable employment in programming jobs. These competencies identified include among others, ability to code, test and debug programs quickly and efficiently; ability to explore and evaluate application design considerations for multiple technologies, ability to analyze users’ needs and specifications then design, test, and develop software to meet those needs, ability to recommend software upgrades for clients’ existing programs and systems, proficiency in data mining, confidence in personal ideas but open to feedbacks, adapting to changes while remaining focused on project with topmost priority and good sense of judgment. It was therefore recommended that the identified competencies should be incorporated in the curriculum for training Computer Education graduates for sustainability in programming jobs.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,054
Tête enseignante GPT0,345
Écart entre enseignants0,291 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetTeaching and Learning ProgrammingTravaux en français237 207