MétaCan
Menu
Retour à la cohorte
Enregistrement W2908040218 · doi:10.15295/bmij.v6i4.283

MUHASEBE EĞİTİMİ ALAN ÖĞRENCİLERİN MUHASEBE MESLEĞİNİ SEÇMELERİNDE KİŞİSEL BECERİLERİNİN VE İŞ HAYATINDAN BEKLENTİLERİNİN ETKİSİNİN ARAŞTIRILMASI

2019· article· tr· W2908040218 sur OpenAlexaff
Gülçin Yıldırım, Ayşegül Güngör, Tuğçe Uzun Kocamış

Notice bibliographique

RevueBusiness And Management Studies An International Journal · 2019
Typearticle
Languetr
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensStantec (Canada)
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Meslek seçimi, bireylerin en önemli kararlardan biridir. Bireylerin kişisel farkındalıklarına uygun alanlarda kariyer planlamaları yapmaları ve bu alanlardaki meslekleri tercih etmeleri önemlidir. Muhasebe ve muhasebecilik mesleği de küreselleşme sürecinde hem ticaret hayatında hem de gençlerin meslek seçiminde önemli bir yer edinmiştir. Bu bağlamda muhasebe bölümünde öğrenimini sürdüren öğrencilerin meslek seçimini etkileyen faktörlerin bilinmesi mesleki farkındalıklarının ortaya konulmasında önemli bir etkendir. Bu çalışma, Meslek Yüksekokul Öğrencilerinin muhasebe meslek seçiminde kişisel becerilerinin ve iş hayatından beklentilerinin etkisini ortaya koymayı amaçlamaktadır. Çalışma kapsamında yapılacak araştırmada veri toplama yöntemi olarak anket yöntemi kullanılmıştır. Anket, İstanbul Üniversitesi SBMYO Muhasebe ve Vergi Bölümünde okuyan 81 öğrenciye ve Nişantaşı Üniversitesi MYO Muhasebe ve Vergi Uygulamaları Bölümünde okuyan 44 öğrenciye uygulanmıştır. Anket sonuçları “SPSS for Windows 24.0 sürümü” ile faktör analizine tabi tutulmuştur. Analizler sonucunda, anket uygulamasına katılan muhasebe ve vergi uygulamaları programı öğrencilerinin meslek seçimi tercihlerini muhasebe alanında iş imkânlarının fazla olması düşüncesinin etkilediği tespit edilmiştir.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,147
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,001
Communication savante0,0060,006
Science ouverte0,0030,003
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,283
Écart entre enseignants0,256 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBusiness And Management Studies An International JournalMême sujetAccounting Education and CareersTravaux en français237 207