What Matters for MBA Teaching Quality A Systematic Literature Review of Knowledge Delivery and Teaching Methods
Notice bibliographique
Résumé
MBA programs are fundamental to business schools, but recent declines in enrollment and the diminishing value of MBA qualifications, exacerbated by global economic uncertainty, have prompted schools to seek strategies for recovery. To address these challenges, it is crucial to enhance the content, delivery methods, and teaching approaches. Numerous studies highlight the importance of pedagogical content in optimizing MBA programs, as the knowledge conveyed is meant not only to be theoretical but also to guide students in their management practice. Our research demonstrates that combining case-based teaching from experiential learning with simulation-based methods from active learning significantly improves knowledge transfer. Through a systematic literature review, we developed a framework that aligns teaching methods with the content being taught. The findings suggest that accurately characterizing the curriculum content and balancing teaching methods based on different pedagogical approaches can enhance the effectiveness of MBA instruction. These strategies offer potential solutions to counter the current challenges faced by MBA programs and improve their overall impact. By adopting such methods, business schools can better meet the evolving needs of students and the demands of the global business environment.4o
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 | 0,077 | 0,335 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,024 | 0,020 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».