Assessing chemistry teachers’ entrepreneurial competencies for developing small chemical-based businesses in Rwanda
Notice bibliographique
Résumé
Unemployment among science graduates in Rwanda remains a pressing challenge due to limited industrial opportunities and insufficient market demand for scientific skills. This study assesses chemistry teachers’ entrepreneurial competencies for developing small chemical-based businesses. This study adopted an explanatory sequential design, combining quantitative and qualitative methods. A structured questionnaire was administered to 75 chemistry teachers from secondary schools across Rwanda. Quantitative data were analyzed using descriptive and inferential statistics. Descriptive statistics were used to summarize competency levels, while Multivariate Analysis of Variance was employed to analyze the influence of gender, teaching experience, school ownership, and location on five key entrepreneurial domains: entrepreneurship skills, innovation, teaching and mentoring, communication and collaboration, and ethics and professionalism. The quantitative results revealed that teachers exhibit moderate strengths in communication and collaborative skills (44%). However, financial planning and market research emerged as the weakest areas, with over 60% of teachers uncertain about budgeting and identifying market opportunities. In addition, 47% of teachers lack confidence in adhering to business regulations. Furthermore, most teachers (61%) lack problem solving and innovation skills related to creating chemical-based business. The inferential analysis showed significant differences in entrepreneurial competencies based on gender ( p < 0.05) in favor of male teachers and teaching experience in favor experienced teachers above 6 years of working experience ( p < 0.05). On the other side, the school location and ownership did not show significant effects. ( p >0.05) These findings suggest that experience and gender-related factors influence how chemistry teachers develop and apply entrepreneurial knowledge in educational settings. Therefore, the study highlights the need for targeted professional development and curriculum integration to promote chemical entrepreneurship among chemistry teachers. In this context, project-based learning, mentorship, and stronger policy support are recommended to foster entrepreneurial mindsets among teachers and 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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».