Can Entrepreneurship Education Reduce Stereotypes Against Women Entrepreneurship?
Notice bibliographique
Résumé
<p class="apa">The aim of this study is to investigate whether entrepreneurship trainings can reduce stereotypes against women entrepreneurship. With this aim socio-psychological obstacles to women entrepreneurship in Turkey are examined, and an experimental study is carried out. Entrepreneurship courses were given with a special emphasis on women entrepreneurship and gender issues. To evaluate the out puts of the experimental study, a questionnaire was designed and applied to students. In order to make a comparison, the same questionnaire was applied to students from two other universities, who have taken entrepreneurship courses through the classical method and curricula.</p><p class="apa">Survey tool includes 21 statements on women entrepreneurship, 5 positive and 16 negative. A non-parametric Mann-Whitney U test was conducted to evaluate the hypothesis that the experimental group would score lower in negative statements and higher in positive statements, on the average, than the non-experimental group. Test results indicate that mean ranks for the two groups differ significantly from each other in 12 items (p&lt;.05). Experimental group score significantly higher than the non-experimental group in 4 positive and 1 negative statements; and lower than the non-experimental group in 7 negative statements. Compared to non-experimental group, experimental group seems to have higher scoring for awareness and advocacy of women entrepreneurship and lower scoring for socio-psychological obstacles against women entrepreneurship. According to the survey results, it can be concluded that modification of entrepreneurship education curricula will contribute to reduce stereotypes hindering women entrepreneurship.</p>
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 | 0,002 |
| 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) | 0,001 | 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 ».