Competency-Based Assessment in Entrepreneurship Education in Kenya’s Tertiary Institutions
Notice bibliographique
Résumé
Education systems worldwide are shifting to knowledge-based curricula with emphasis on the learners’ acquisition of relevant competencies. Entrepreneurship education was introduced in tertiary institutions in Kenya in 1999 to produce entrepreneurs, including preparing graduates for the world of work. However, limited studies have focused on the assessment of acquisition of such competencies, especially in entrepreneurship education. This study was designed to examine the effectiveness of assessment modes used in entrepreneurship education in imparting requisite competencies among students in tertiary institutions in the country. The study adopted a cross-sectional research design. A total of 412 students selected from three tertiary institutions were involved in the study. Data were collected using questionnaires and analysed quantitatively using descriptive and inferential statistics. The study showed that written examinations were the most commonly used mode of assessment of entrepreneurship education, followed by projects and attachment. The study revealed that there is no significant difference in the influence of the mode of assessment as adopted in the different tertiary institutions in fostering the acquisition of competencies (F Ratio<F Critical) (0.835<3.02). However, when the requisite competencies were compared, the study showed that the mode of assessment adopted enhanced acquisition of ideas and opportunities (0.313 units) and resources (0.364 units) competencies more compared to the into-action competencies (0.249 units). To enhance the acquisition of relevant competencies, the study recommends adoption of different appropriate modes of assessment in entrepreneurship education.
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 | 0,003 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».