MétaCan
Menu
Retour à la cohorte
Enregistrement W4386435896 · doi:10.3126/fwr.v1i1.58275

Perceived Benefits and Challenges of Management Graduates of Far Western University towards the Entrepreneurship Intention

2023· article· en· W4386435896 sur OpenAlexaff
Hari Shankar Pant

Notice bibliographique

RevueFar Western Review · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésLikert scaleEntrepreneurshipSWOT analysisDescriptive statisticsData collectionScale (ratio)PsychologyMarketingUrbanizationPublic relationsMedical educationBusinessSociologyPolitical scienceEconomic growthGeographyEconomicsSocial scienceFinanceMedicine

Résumé

récupéré en direct d'OpenAlex

Entrepreneurs are contributing a lot for the economic and social development of each country of world. The aim of this study is to explore perceived benefits and challenges of management graduates of Far Western University towards the entrepreneurial intention. Data were collected from 107 students who are currently studying M.Phil., MBA and MBS in central campus Far Western University. A set of questionnaires was designed as the main instrument of data collection which consist the 17 questions related to perceived strength, weakness, opportunities and threats (SWOT) of the respondents. Out of the 17 questions, first four are related to the opportunities, second five are related to challenges, third four are related to strength and last four are related to weakness. The instrument for data collection comprised of 6-point Likert type scale. To explore the perceived benefits and challenges of entrepreneurship intentions of management graduates of Far Western university descriptive statistics has been used. Data were processed by using computer software SPSS. The result indicates that ongoing rapid urbanization has perceived a great opportunity or highly motivates the students to start up business and financial problem is perceived as main obstacles to be an entrepreneur.

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)0,002
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 enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,089
Tête enseignante GPT0,259
Écart entre enseignants0,170 · 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'admission1
Résumé présentoui

Explorer davantage

Même revueFar Western ReviewMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207