Developing College Students’ Entrepreneurial Competences: Designing Project-Based Learning Entrepreneurship Foundational Course in Chinese Universities
Notice bibliographique
Résumé
This study introduces the design process of a Project-Based Learning (PBL) entrepreneurship foundational course for Chinese universities. To address deficiencies in the current entrepreneurship foundational courses in Chinese universities and to enhance the overall entrepreneurial competence of college students, project-based learning has integrated into the entrepreneurship foundation course. Based on the project-based learning framework proposed by Han and Bhattacharya (2001), a project-based learning entrepreneurship foundational course has been developed for Chinese universities by utilising expert panels. Once the course design was completed, a semester-long project-based learning entrepreneurship foundational course was implemented. We measured the effectiveness of the course through student feedback. The course objectives were to develop student opportunity competence, business management competence, and interpersonal competence in entrepreneurship. This paper presents the course outline, teaching unit design, and teaching activity design. In addition, this study explored the relevant factors that should be considered in the development of any project-based learning entrepreneurship foundational course. This study developed the entrepreneurial competence of college students through the design of a project-based learning entrepreneurship foundational course and implemented a one-semester course in a university in China. The results of this study can serve as a guide for universities who wish to implement project-based learning entrepreneurship foundational courses, which can help improve the entrepreneurial competence of 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 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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».