Profiles of entrepreneurship students: implications for policy and practice
Notice bibliographique
Résumé
Purpose While much research seeks to determine the impacts of entrepreneurship education on students, far less attention has been paid to students’ motivations and interests. Understanding students’ perspectives is useful, particularly as governments support the expansion of campus entrepreneurship. The purpose of this paper is to develop a deeper understanding of students’ reasoning in relation to pursuing entrepreneurship education. Design/methodology/approach Specifically, the key questions driving this study were: Why do students join experiential learning entrepreneurship programs? How do they define their goals for entrepreneurship education, and what outcomes do they value? Data were collected through interviews with 38 students participating in a range of experiential entrepreneurship programs in Ontario. Findings Four different patterns in students’ reasoning and sense making emerged from the analysis. First, “venture creators” are the prototypical student entrepreneurs who are set on creating and launching a venture. Second, “experience seekers” aim at gaining practical work experience but do not see themselves as nor intend to become entrepreneurs. Third, “explorers” aim at developing familiarity with basic concepts and opportunities in entrepreneurship, as a means to consider whether this is an attractive career option. Finally, “engagers” are actively experimenting with entrepreneurship as they gauge their “fit” and potential as entrepreneurs. Originality/value This study’s findings provide an empirically grounded check on the assumptions guiding government policy for entrepreneurship education and institutional practice. Policy and institutional attention is overly focused on venture creation, even as other outcomes are commonly espoused. Recognizing different profiles of entrepreneurship students may lead to more purposefully designed programs that have different objectives, and help distinct segments of students achieve their goals.
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 | 0,012 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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 ».