MétaCan
Menu
Retour à la cohorte
Enregistrement W2910131820 · doi:10.4018/978-1-5225-6295-5.ch004

Bridging the Gap Between Marketing Education and the Marketing Profession

2018· book-chapter· en· W2910131820 sur OpenAlexaff
David Finch, Sharon McIntyre

Notice bibliographique

RevueAdvances in marketing, customer relationship management, and e-services book series · 2018
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Marketing Education
Établissements canadiensMount Royal University
Organismes subventionnairesnon disponible
Mots-clésEmployabilityCompetitive advantagePaceExploitResource (disambiguation)Knowledge managementDynamic capabilitiesBridging (networking)MarketingNew product developmentBusinessPublic relationsPolitical scienceComputer scienceSociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

Professionals and scholars have discussed the unprecedented pace of change currently experienced by businesses. The dynamics facing business today offer rich insight into the challenges facing university graduates. In this chapter, the authors apply a dynamic capabilities (DCs) view of new graduate employability. Dynamic capabilities theory is rooted in the resource-based view that posits organizations create a competitive advantage by acquiring or developing resources that are rare, valuable, and hard to imitate and replace. They argue that employability can be viewed as the complex integration and application of four specific DCs: (1) intelligence resources, (2) personality resources, (3) meta-skill resources, and (4) job-specific resources. The authors view new graduate competitive advantage as dependent on the ability of university graduates to mobilize and exploit the linkages of these resources throughout their university study years. In adopting these resource categories, they build on previous work and propose a conceptual model to evaluate a new graduate's competitive position in an employment marketplace. In this chapter, the authors provide a prescription for how educators and students can apply an integrated dynamic capability view of new graduate employability to support the professional development of marketing students through the development of a comprehensive personal product roadmap.

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)0,012
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,853
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,004
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,251
Écart entre enseignants0,239 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in marketing, customer relationship management, and e-services book seriesMême sujetManagement and Marketing EducationTravaux en français237 207