Faculty Perceptions of the Research-Teaching Nexus in Oman Business School
Notice bibliographique
Résumé
The research–teaching nexus (RTN) is a core accreditation requirement of the Oman Authority for Academic Accreditation and Quality Assurance of Education (OAAAQA). Embedding research into teaching enhances educational quality, bridges the gap between theory and practice, and develops students’ critical and analytical skills. This study investigates faculty perceptions and practices of RTN within a business college in Oman. A quantitative research design was employed, using a structured survey administered to academic staff and analyzed through descriptive statistics and a one-way multivariate analysis of variance (MANOVA). Results reveal strong engagement with RTN: 76% of faculty integrate their research, 83% embed external research, 80% involve students in projects, and 79% supervise and provide feedback on theses. Moreover, 92% reported that research keeps them updated on emerging trends, 87% indicated it introduces new insights that enrich teaching, and another 87% affirmed it stimulates pedagogical innovation. Significantly, 97% agreed that RTN directly enhances students’ competencies and employability skills. The MANOVA results indicate a statistically significant multivariate effect on respondents’ perceptions of RTN practices, educational quality, and student skill development. In contrast, neither gender nor teaching experience produced statistically significant differences, suggesting that these demographic variables exert limited influence on how respondents evaluate institutional RTN practices or their associated outcomes. Despite these positive practices, challenges remain, including heavy teaching loads, limited time, and restricted research funding. The study concludes that effective implementation of RTN requires institutional support, workload alignment, and faculty development initiatives. The findings provide practical implications for academic leaders and quality assurance bodies seeking to advance innovation and educational quality in higher education.
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 | 0,006 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,003 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».