MétaCan
Menu
Retour à la cohorte
Enregistrement W3130312686 · doi:10.1080/23322373.2021.1878807

Business management education in the African context of (post-)Covid-19: Applying a proximity framework

2021· article· en· W3130312686 sur OpenAlexaff
Sherwat Elwan Ibrahim, Alan Fowler, Moses Ν. Kiggundu

Notice bibliographique

RevueAfrica Journal of Management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)ScholarshipCoronavirus disease 2019 (COVID-19)SociologyCrisis managementPsychological resiliencePublic relationsPolitical scienceEngineering ethicsEconomic growthPsychologyEconomicsEngineeringSocial psychologyGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

What happens when Covid-19 meets Africa? To find answers, this article examines tertiary management education delivered by the continent's business schools in the context of Africa's susceptibilities to the pandemic. The concept of proximity is applied as an axiomatic analytic complement to Covid's transmission pathways impacting on the psychosocial foundation of human relations, people's spatial distribution and their time perspectives. Taking management literature into account, proximity is applied to Africa's business schools in terms of their immediate and long-term responses to the pandemic, suggesting practical post-Covid reforms considered from a humanistic management approach to management education and scholarship. A theme throughout this article is that Covid-19's exposure of contextual vulnerabilities presents an opportunity and imperative for business schools' re-missioning and renewal to enhance relevance, quality and building post-Covid resilience. The article provides a framework for the study of other Covid-sensitive sectors or organizations and theory development and testing using different proximity conceptualizations, frames and combinations thereof. Limitations of the study are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,761

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,248
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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAfrica Journal of ManagementMême sujetManagement and Organizational StudiesTravaux en français237 207