Entrepreneurial Education in Higher Institutions and Economic Development
Notice bibliographique
Résumé
This study undertook an appraisal of entrepreneurial education in higher institutions and the correlation to youths’ economic empowerment national economic development. It was prompted by the problem of growing rate of unemployment amongst the country’s youth population especially the young graduates. The objectives sought were to examine the current rate of youths’ unemployment and the implications on entrepreneurship adoption and Nigeria economic development; determine the key drivers of Asian Tigers economic growth from the 1960 to 2000 and the role of education; and ascertain the extent entrepreneurial education in higher institutions could boost Nigeria’s economic development. The study adopted a combination of survey and desk research. Data analysis was qualitatively and quantitatively done. The quantitative was through Spearman’s correlation coefficient. Results obtained reveal that the high rate of youths’ unemployment and low rate of entrepreneurship adoption by the youths have significant negative effect on the nation’s economic development. The key drivers of economic growth of the Four Asian Tigers between 1960 and 2000 were sound government policies on entrepreneurial, technical & vocational education. That entrepreneurial education in higher institutions can significantly boost Nigeria’s economic development. It was then recommended among other things that: The Nigerian youths must as matter of urgency take entrepreneurship much more serious, as a veritable complement to their educational attainment and as a surety for future greatness in the corporate world, and consequent boosting of the nation’s economy.
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 | 0,001 |
| 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) | 0,000 | 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 ».