MétaCan
Menu
Retour à la cohorte
Enregistrement W4386800515 · doi:10.23977/aetp.2023.071007

Research on the Training Path of Innovation and Entrepreneurship Ability of Retired Military College Students

2023· article· en· W4386800515 sur OpenAlexvenueno aff
Yongxiang Wang, Xueli He

Notice bibliographique

RevueAdvances in Educational Technology and Psychology · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipMilitary serviceService (business)Training (meteorology)BusinessPublic relationsMarketingMedical educationPsychologyManagementPolitical scienceMedicineEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Ex-servicemen are important human resources and important forces in building socialism with Chinese characteristics. Encourage veterans innovation entrepreneurship, guide them to actively participate in "public entrepreneurship, peoples innovation" practice, to better realize veterans own value, boost economic and social development, service of national defense and army construction is of great significance, explore the path of veterans innovative entrepreneurial ability training, effectively promote veterans innovation entrepreneurship and employment ability training, constantly improve the quality of veterans training. Veterans college students 'innovative entrepreneurial ability training needs education based on personalized and differentiated service, practical needs, establish a perfect system and mechanism, and constantly improve and strengthen innovative entrepreneurial support services, provide strong guarantee for veterans college students' innovative entrepreneurship. This paper analyzes four aspects: constructing the entrepreneurial ability model of the retired military college students, improving the innovation and entrepreneurship ability of demobilized military college students, the Problems faced by veterans in the process of starting businesses and solutions, and the path of improving the entrepreneurial ability of retired military college students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,464
Score d'incertitude au seuil0,170

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,400
Écart entre enseignants0,347 · 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 tête enseignante, 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Educational Technology and PsychologyMême sujetBiomedical and Engineering EducationTravaux en français237 207