MétaCan
Menu
Retour à la cohorte
Enregistrement W4240348842 · doi:10.22215/etd/2015-10928

Suggestions for Introducing Creative Entrepreneurship Education into China’s Design Education

2015· dissertation· en· W4240348842 sur OpenAlexaff
Wei-wen Yu

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésChinaEntrepreneurshipEntrepreneurship educationCreative educationCreative briefOrder (exchange)Creative industriesCreative economyStatistical analysisDescriptive statisticsCreative thinkingMarketingPublic relationsPsychologyKnowledge managementBusinessSociologyCreativityPolitical scienceComputer scienceSocial psychologyMathematics

Résumé

récupéré en direct d'OpenAlex

In China, creative industries are evolving, but creative entrepreneurship education is undeveloped.In order to propose an approach for introducing creative entrepreneurship education into design education in China, this study utilized a mixed method to investigate designers' entrepreneurial aspirations, motivations, and intentions as well as the factors that drive designers to develop their entrepreneurial potential.It also provides suggestions for developing creative entrepreneurial programs for design graduates.Interview and survey data were collected from Chinese designers and analyzed through a descriptive and a statistical procedure.The analyses suggested that Chinese designers' entrepreneurial intentions (EIs) are positive but not strong enough to motivate them to start their business.The statistical analysis uncovered eight main motivational factors and clustered five types of creative designers.Three of the creative clusters would benefit from creative entrepreneurship education.Moreover, the analyses suggest creative entrepreneurial programs should be established by design schools at regular public universities.

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)0,010
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,010
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0030,003
Communication savante0,0040,004
Science ouverte0,0010,003
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,048
Tête enseignante GPT0,427
Écart entre enseignants0,378 · 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'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

Citations1
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetCreativity in Education and NeuroscienceTravaux en français237 207