Influence of Cognitive Factors on Self-Employment Intention Among Students in Technical, Vocational Education and Training in Kenya
Notice bibliographique
Résumé
Entrepreneurship has been identified as a crucial activity for economic growth and employment generation worldwide. However, this has not been effective in most developing countries, Kenya as an example, has a high rate of unemployment among the young graduates emerging from universities and tertiary institutions. One of the government challenges is transforming the mindset of students to venture into business rather than seeking employments. This study thus examined the relationship between cognitive factors, entrepreneurship education and how these variables influence self-employment intentions among Technical and Vocational Education and Training in Kenya. The study objectives were to determine the influence of cognitive factors and the moderating effect of entrepreneurship education on students’ self-employment intentions. The study adopted a survey research design. Self-administered questionnaire was developed and administered to 400 diploma engineering finalist sampled from 41 public Institutions spread in five geographical regions in the country using multistage and simple random sampling approach. The data were analyzed using descriptive statistics and inferential statistics with the help of the Statistical Package for Social Sciences version 20. Pearson’s Coefficient Correlation was used to examine reliability of data. Factor analysis was conducted to investigate the internal structure among the set of variables. Multiple linear regressions analysis was used to examine the effect of independent variables on the dependent variable. The results of findings showed that there was a positive and significant relationship between cognitive factors and self-employment intention. The results also showed that entrepreneurship education enhances cognitive factors and thus strongly influence self-employment intentions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».