Enterprise education in undergraduate business programmes advances students' negotiating competence and self-confidence
Notice bibliographique
Résumé
Purpose Business graduates’ enterprising capability augments their work readiness, transforming them into professionals capable of driving successful outcomes. At the core lie self-confidence and negotiating competence. However, embedding enterprise education and developing assessments to evidence learning is challenging. This study aims to offer a blueprint for establishing enterprise learning in the classroom and investigating the effectiveness of cultivating negotiating competence and self-confidence. Design/methodology/approach Modelled on Kolb’s experiential learning cycle, students engage in in-class and real-life negotiations, assessing self-confidence using a scale founded in Bandura’s self-efficacy theory. Open-ended reflections are also submitted. Quantitative data is analysed through multiple linear regression, while quantitative and qualitative data triangulation substantiates enterprise learning in negotiating competence and self-confidence. Findings Students’ reflections show that low self-confidence poses an initial barrier in negotiations, overcome with successive engagements. Quantitative analysis uncovers response-shift biases, with female and male students overestimating initial self-confidence levels. The gender and difference score type interaction reveals a more pronounced bias among female students starting from a lower baseline than male students, implying a more substantial self-confidence improvement for female students. These findings challenge traditional assumptions about gender differences in negotiations and emphasize the need for nuanced perspectives. Originality/value Enterprising capability is pivotal for business professionals. This study highlights the advancement of negotiating competence and self-confidence. It contributes uniquely to the development of enterprise education pedagogy. Focusing on nuanced gender differences challenges prevailing assumptions, providing a perspective to the discourse on negotiating competence and self-confidence in management training.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».