Identifying Influencers in High School Student ICT Career Choice.
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This paper examines the role of influencers in Canadian high school student decisions to pursue Information and Communications Technology (ICT) careers and education. With growing rates of retirements of ICT workers expected over the next 10-15 years, industry representatives are concerned that the shortfall in replacement workers will have a significant detrimental impact on business. Various authors and panels have cited the need to attract more high school students to enroll in ICT post secondary programs. However, what is not clear is how or why students make decisions to pursue ICT in university and as a career. This paper examines the various influencers that affect students ’ decisions to choose an ICT education and career. As part of an ongoing program this paper presents the results of three surveys-- with responses from 111 Canadian guidance counsellors, 141 ICT university students and 1335 first year business and IT management students. The survey findings suggest that parents are the strongest influencers and guidance counsellors are the weakest influencers. To achieve any significant improvement in the numbers of students choosing ICT careers, it is recommended that ICT industry representatives must speak directly with students and their parents. The survey results do suggest that students are attracted by the relatively high income potential of ICT careers and the entry to a business environment that ICT skills provide. Further, guidance counsellors see math and science subjects as much more important for success in an ICT career than do students.
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle