MétaCan
Menu
Retour à la cohorte
Enregistrement W4386123528 · doi:10.36315/2023v1end092

ENTREPRENEURSHIP COMPETENCIES IN HIGH SCHOOL STUDENTS: EFFECTS OF AGE AND GENDER

2023· article· en· W4386123528 sur OpenAlexaffabout
Éric Yergeau, Marcelle Gingras

Notice bibliographique

RevueEducation and new developments · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipMathematics educationPsychologyComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Entrepreneurs are more than ever very important economic actors in all societies.In many countries such as Canada, governments are mobilizing school curricula to include activities aimed to develop entrepreneurship competencies in high school students.However, there is no clear data on the actual level of these competencies among high school students.This comparative study examines levels of entrepreneurship qualities in a sample of n=5527 high school students from the province of Québec and compares results with n=5309 adult subjects.Entrepreneurship is measured with the Entrepreneurship Qualities Questionnaire (EQQ, L'Heureux, 2000) which contains 59 items grouped in 6 continuous scales (Commitment, Motivation, Result-oriented, Creativity, Self-competition, Leadership).Results of univariate ANOVAs show a clear and strong linear relationship with age on all entrepreneurship scales.High school students have the lowest scores and older adults have the highest.There is some small effect of gender.These results suggest the importance of entrepreneurship contents in high school curricula in order to give opportunities for students to develop the fundamental competencies for becoming successful entrepreneurs.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,138

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,031
Tête enseignante GPT0,277
Écart entre enseignants0,246 · 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'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEducation and new developmentsMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207