Gender Differences in Entrepreneurial Attitudes and Constraints: Do the Constraints Predict University Agriculture Graduates’ Attitudes towards Entrepreneurship?
Notice bibliographique
Résumé
This quantitative study analyzed and predicted gender differences of agriculture graduates’ attitudes towards and challenges in entrepreneurship in Botswana. The study adopted a descriptive and correlational survey research design. A valid and reliable questionnaire was used for data collection through a survey of randomly sampled 149 final year agriculture graduate students (n=149). Inferential statistical tools of Independent t-test and Regression analysis were used for data analysis. The findings of the study determined three important attitudinal factors as: entrepreneurship results in economic growth of a country, employability and income generation and, entrepreneurship improves individual and social growth. Three important constraints in entrepreneurship were lack of land, lack of proper infrastructure and, lack of capital. These top attitudinal factors as well as constraints were the same for the male and female graduates despite of their ranking and importance. A gender difference in students’ attitudes towards entrepreneurship was established while no gender difference in the challenges in entrepreneurship was found. Out of fifteen constraints in entrepreneurship under study, only three constraints namely, lack of land, high competition in market and lack of capital, were determined as significant predictors of the graduates’ attitudes towards entrepreneurship. It is recommended that these three factors be made priorities while making policies for entrepreneurship development in the country. Further study is recommended to explore the perceptions of graduates on the possible ways to improve on these three predicting constraints and explore latent constraints predicting graduates’ attitude towards entrepreneurship. Those findings may provide better ideas in planning policies for entrepreneurial development among agriculture graduates in Botswana.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».