MétaCan
Menu
Retour à la cohorte
Enregistrement W2886199965 · doi:10.1177/0950422218792333

Competencies for fresh graduates’ success at work: Perspectives of employers

2018· article· en· W2886199965 sur OpenAlexaff
Elvy Pang, Michael S. Wong, C.H.S. Leung, John Coombes

Notice bibliographique

RevueIndustry and Higher Education · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education and Employability
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésWorkforceTeamworkPsychologyContext (archaeology)Work (physics)Work experienceMedical educationSoft skillsPerspective (graphical)Work-based learningKnowledge managementBusinessManagementEngineeringPolitical scienceMedicineSocial psychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This article investigates Hong Kong employers’ views on graduate competencies that facilitate new graduates’ success in the workplace. The methodology involves the use of a questionnaire to elicit responses from business employers on the importance of specific competencies contributing to the success of fresh graduates at work. The findings indicate that all of the competencies examined are important to a degree. ‘Ability and willingness to learn’, ‘teamwork and cooperation’, ‘hardworking and willingness to take on extra work’, ‘self-control’ and ‘analytical thinking’ are the five highest-ranking competencies measured, although all are clearly necessary for success. Hard and soft skills are rated equally important by employers overall. Recommendations for developing competencies among university students prior to their entry to the workforce are discussed. As the competencies are of a practical nature, it is suggested that universities work together with industry to develop workplace-oriented programmes. This is the first research, to the authors’ knowledge, that approaches desirable graduate competencies from the perspective of the skills gap in the context of Hong Kong.

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)0,004
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0040,002
Communication savante0,0040,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,065
Tête enseignante GPT0,380
Écart entre enseignants0,315 · 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'étudeQualitatif
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

Citations163
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIndustry and Higher EducationMême sujetHigher Education and EmployabilityTravaux en français237 207