Exploring technology attitudes and personal–cultural orientations as student readiness factors for digitalised work
Notice bibliographique
Résumé
Purpose Emerging forms of digitalisation are placing new demands on workforce entrants around the globe. This study, catalysed by innovation programs in Ukraine and Latvia, conceptualises, measures and compares key facets of dispositional readiness of university students in two post-Soviet nations for digitalised work. Design/methodology/approach Survey data, addressing technology attitudes and personal–cultural orientations (PCO), were collected by project teams at universities in Ukraine and Latvia and delivered to the authors for analysis. The authors defined three characteristics of digitalised work, conceptually positioned five of the measured constructs as readiness factors and generated readiness profiles for the two national student cohorts. Investigation of significant differences between the groups was conducted using an Independent Samples T-Test. A composite profile was produced for comparing the overall dispositional readiness of both groups for digitalised work. Findings The factor-level profiles showed similar patterns of dispositional alignment and misalignment with digitalised work. For example, technology optimism and learning interest were reported by large percentages of Ukrainians and Latvians and tolerance for unstructured work by small percentages. However, significant differences were found in group levels of technology optimism, technology anxiety, ambiguity intolerance and empowered decision-making. In each case, the Ukrainian profile appeared more strongly aligned with the target. Practical implications The global digitalisation of work requires students, educators, human resource professionals and business leaders to rethink workforce readiness assessment and adapt (re)training programs. Technology enthusiasm and learning interest should be regarded as crucial measurable attitudes motivating technical skills development. Also, cultural orientations should be positioned alongside personality traits and digital skills as factors shaping successful human–computer interaction. Originality/value This study initiates a new sociotechnical and cross-cultural trajectory of technology readiness research from data generated in two post-Soviet contexts. Moreover, it positions several measurable dispositions as factors influencing student readiness for digitalised work.
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 | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».