Preparation of Higher Education Students in Ecuador: An Analysis Based on the Knowledge Economy
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The knowledge economy has emerged as a key paradigm in global socioeconomic development, highlighting the importance of higher education in the formation of human capital capable of generating, applying and disseminating innovative knowledge. This study aims to evaluate the preparation of higher education students in Ecuador, considering critical variables such as soft skills, perception of the knowledge economy, university-business linkage and internationalization, and their impact on academic training. The methodology employed was quantitative, using a multiple linear regression model to analyze the relationship between the independent variables and the academic formation of a sample of 205 students from two Ecuadorian universities. Advanced statistical techniques were applied to evaluate the significance and impact of each variable. The results indicate that soft skills (r = 0.713, p < 0.01), perception of the knowledge economy (r = 0.602, p < 0.01) and internationalization (r = 0.594, p < 0.01) have a significant and positive impact on academic training. However, university-business linkage showed a lower and non-significant correlation (r = 0.407, p < 0.01). In conclusion, academic training in Ecuador benefits significantly from the development of soft skills, a positive perception of the knowledge economy and internationalization. However, the lack of significant impact of university-business linkages suggests the need for future studies to explore barriers and improve these collaborations. These findings underscore the importance of educational policies that integrate these factors to improve the preparation of students in a global knowledge economy. Received: 16 June 2024 / Accepted: 30 October 2024 / Published: 05 November 2024
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.
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 | 0,004 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle