Employability skills of maritime business graduates: industry perspectives
Notice bibliographique
Résumé
The maritime industry underpins international business and world trade. As to be expected, business management is critical for the maritime industry, requiring highly trained individuals and teams to lead the development, implementation and control of sound contemporary management practices. Maritime business degrees are developed by universities to meet such demand by providing graduates with sufficient skills for the onshore business-related roles. This empirical study conducted in Australia, USA and Canada, investigates current and future industry employability skills for maritime business graduates through focus groups, individual interviews and an online survey with senior managers in maritime organisations. This study found the important employability skills for maritime business graduates which include communication, problem solving, adaptability, self-management, team work, and digital literacy and technology. Demand for digital literacy and technology knowledge and skills have increased due to the maritime industry having a trend of moving towards digitalisation and automation. However, the survey findings revealed that a skills focus for maritime business graduates will not be the technology itself but the use and management of technology. In relation to future skills/knowledge required from maritime business degree graduates in 10 years’ time, communication and adaptability are recognised as being the most important. Employers expect that maritime business graduates should be able to adopt new technology and be competent in communication, and be more adaptable given the highly dynamic nature of the maritime industry. Moreover, they require graduates to be equipped with a higher level of computer skills, have a strong work ethic and multilingual skills.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,268 | 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 tête enseignante, 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 ».