Factor Analysis of the University Environment and Support System: A Bayesian Approach
Notice bibliographique
Résumé
University students represent a reservoir of entrepreneurial talent and an inherent source of creativity and innovation. One way to help unleash their talents as an engine of economic growth is by increasing our understanding of elements—internal or external, real or perceived—that lead to and influence the emergence of new ventures led by students. There is evidence in the literature that the university environment and support system (ESS) can affect the entrepreneurial intention of students attending the institution. The university ESS comprises the support mechanisms necessary for entrepreneurial activity and could motivate students to consider entrepreneurship a possible career choice. Kraaijenbrink et al. developed and validated a university ESS scale that helped them identify three motivational factors of the university ESS influencing entrepreneurial intention. Despite its increasing popularity, a detailed study and analysis of the Kraaijenbrink et al. university ESS scale are still lacking in the extant literature. This study fills that gap by conducting an extensive factor analysis of the university ESS scale using a Bayesian approach. To the best of our knowledge, this is the first time this scale has been the subject of such an extensive investigation. We capitalized on the added flexibility of the Bayesian approach to address novel substantive questions through the mathematical model. We used it to enrich our understanding of the university ESS and generate new ideas for possible scale and model modifications. Furthermore, this evaluation provided novel insight into the relationships among the many dimensions of the university ESS. In the future, similar studies conducted by aspiring entrepreneurial universities could help them interpret the efficacy of their efforts to promote entrepreneurial activities among 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».