MétaCan
Menu
← Retour à la cohorte
Enregistrement W3045970549 · doi:10.5465/ambpp.2020.16411abstract

Is Entrepreneurship Education Only about Entrepreneurship?

2020· article· en· W3045970549 sur OpenAlexaff
Anjali Chawla, Benson Honig

Notice bibliographique

RevueAcademy of Management Proceedings · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésIdentity (music)EntrepreneurshipWork (physics)PedagogyProfessional developmentSociologyPublic relationsNarrativePsychologyPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

An important and unexamined issue in the study of entrepreneurship education (EE) and its outcomes concerns understanding the role of students in defining the outcomes of entrepreneurship education. Drawing on the narrative interviews with 31 students of educational programs, we identify that not all students join EE programs to become entrepreneurs and many students have the objective of becoming management professionals. Students with these decision frames engage themselves in constructing their respective professional identities: entrepreneurial and managerial. Professional outcomes achieved by those students either resulted in work- professional identity integration or work- professional identity coherence violation. Students were able to enact their professional identity in the situation of work- professional identity integration and work- professional identity coherence violation triggered identity redefining and/or constructing dual identity ( managerial and entrepreneurial). Based on these findings, we develop a theoretical model of students’ experiences of constructing, enacting and redefining their professional identities during and after the program and contribute to the literature of entrepreneurship education and identity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,015
Communication savante0,0090,010
Science ouverte0,0000,003
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,032
Tête enseignante GPT0,262
Écart entre enseignants0,229 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management Proceedings→Même sujetEntrepreneurship Studies and Influences→Travaux en français237 207→