MétaCan
Menu
Retour à la cohorte
Enregistrement W3128358719 · doi:10.5539/ies.v14n2p33

Strategies for Improving Quantity Surveyors’ Education Training in Uganda

2021· article· en· W3128358719 sur OpenAlexvenueno aff
Nathan Kibwami, Racheal Wesonga, Musa Manga, Tom Rogers Muyunga Mukasa

Notice bibliographique

RevueInternational Education Studies · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInternshipCurriculumTraining (meteorology)Quality (philosophy)Work (physics)Higher educationPopulationAction (physics)Medical educationPublic relationsEngineeringBusinessPolitical sciencePedagogyPsychologySociologyMedicine

Résumé

récupéré en direct d'OpenAlex

Education and training of Quantity Surveyors (QSs) has been a topical subject amongst academics, the industry, and professional institutions, often leading to a discussion about education versus training, in which case, the industry sometimes argues that QSs are often ill-prepared for work. The current study investigated strategies for improving QSs’ education training in Uganda, with a focus on devising ways of engendering better graduates that are fit for the industry. A semi-structured online questionnaire was used to collect data. The research population included QSs practicing in the Ugandan Construction Industry. The majority of respondents agreed to a great extent that QSs, and thus their training, are still relevant in the current construction industry. Majority of respondents desired the teaching curriculum to include more practical aspects that expose students to real challenges in practice. It was suggested that early exposure of students to real field practice was paramount to students’ training. Engagements such as industrial training and internship placements in Quantity Surveying firms were highly encouraged. The curriculum also needs to be responsive to recent advances in industry practices, such as Building Information Modelling (BIM). Meanwhile, the University should intensify action research with the industry, and forge collaborations with all the key players in the construction sector to streamline the training. The findings of this study, if implemented, could potentially improve the quality of Quantity Surveying programmes at institutions of higher learning in similar developing countries. This would hopefully produce graduates who are industrially relevant and with a sound academic background.

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)0,041
score de la tête « metaresearch » (Gemma)0,056
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,214

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,056
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0040,002
Communication savante0,0040,005
Science ouverte0,0030,013
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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 Opus0,324
Tête enseignante GPT0,515
Écart entre enseignants0,190 · 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'étudeQualitatif
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

Citations5
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetConstruction Project Management and PerformanceTravaux en français237 207