More Real-world Relevant Learning for Business Students: An Online, Self-learning Tutorial for Finding and Critically Analyzing Information In and Of the Situation at the Time
Notice bibliographique
Résumé
Concerns that business school graduates, program curricula and classroom teaching are lacking in real-world relevance have been on-going for almost as long as schools have been established. Traditional, theory-based and classroom-oriented teaching has not been leading to relevant learning. Students need to develop real-world situational relevance through learning to use their knowledge as the basis for developing their critical thinking, to search for and find information in and of the situation at the time, and to follow this with problem analysis and action planning. Strategic Management courses require students to complete business case situation analyses and make evidence-based recommendations for future strategy. Students have difficulty in doing this because they do not have the critical thinking and situation analytical process and procedures that they need to use when no-one is around to tell them what to do! Within an overall situational strategic management approach an on-line tutorial was developed to support web-based distance courses in Strategic Management. This was designed to enable students experientially to learn critical and analytical thinking processes in finding data, creating information and making findings and conclusions. The tutorial is based on a business case exercise wherein students are required to undertake a market analysis. It takes students step-by-step through the in-situational search for data, structured analysis, and interpretation of the information to give findings and conclusions. Skills gained from using the Situational Strategic Management Approach (SSMA) to analysis also are outlined.
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 | 0,002 | 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 | 0,001 |
| 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 ».