Mapping SDGs’ 4 and 8 through enhancing technological skills for students’ employability and establishing a software professional employability skills development program
Notice bibliographique
Résumé
In the dynamic field of cybersecurity within intelligent vehicle systems, the sophistication of threats necessitates continual advancemenThe purpose of this study is to: (1) evaluate the technological skills of the final-year undergraduate students, (2) how such abilities influence their likelihood of getting employed and (3) student opinions on whether a computer lab-based specialization in software training can boost employability. This study is a survey-based methodology. The sample size encompasses 140 final year students in the College of Business Administration at Prince Sattam bin Abdulaziz University during the academic year 2023-2024. Descriptive statistical analyses indicate that most students believe they have sufficient technical skills but not enough for securing better jobs. Moreover, it is clear among them that expertise in specialized software packages enhances career prospects significantly. The research results also show a huge gap between technological competencies learners have now and what employers demand currently. In response, this study suggests that PSAU should establish software laboratories in their colleges for specialized training on software as required by the job market and workplace. The Vice Rectorate for Academic and Educational Affairs launches a program called “Graduate and Professional Skills Development Program (PSAU-GPSDP)”, which emphasizes student employability as it develops, implements, and evaluates mechanisms to enhance students’ chances of getting jobs upon graduation. The results of this study are in line with SDG No. 8 (Decent Work and Economic Growth), SDG No. 4 (Quality Education), and Saudi Vision 2030. Therefore, this study has practical implications for decision-makers at the Ministry of Education and university levels, university professors, researchers on how employability skills of students could be enhanced in the higher education institutions.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».