A conceptual model and assessment criteria to inform gender-smart entrepreneurship education and training plus
Notice bibliographique
Résumé
Purpose This study aims to problematize how gender is enacted within entrepreneurship education and training (EET). Design/methodology/approach Using a social feminist lens, this study advances principles, a conceptual framework, assessment criteria and illustrative performance metrics to inform gender-sensitive EET programs and courses. Findings are based on a cross-case thematic analysis of two large-scale case studies conducted in Canada and Jordan. Findings The findings bridge social feminist theory and EET studies. The originality of the research rests in its utilization of the principles and conceptual framework to examine EET and to inform the development, design and assessment of gender-sensitive programs and courses. Research limitations/implications The framework and criteria do not differentiate types or levels of EET. The investigators lead the assessment of curricula and co-construction of gender-sensitive course content. Interpreter bias cannot be ruled out. Practical implications The proposed principles, framework, criteria and performance will assist stakeholders in EET program/course design, content, delivery and evaluation. Social implications Aligned with the United Nation Sustain Development Goal 5 (gender equity), the findings demonstrate the value of adapting a critical lens across all elements of EET and responding to biases in participant selection and engagement, program design and curricula. Originality/value To the best of the authors’ knowledge, this is among the first studies to use a social feminist perspective and case study methodology to inform criteria to assess EET.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».