How Should Business Schools Adapt to the AI Era? A Framework for Institutional AI Transition Readiness
Notice bibliographique
Résumé
This presentation introduces a reproducible, evidence-based framework for assessing AI transition readiness in higher education, with a particular emphasis on business school strategy and institutional governance. Delivered as the keynote address for Global Entrepreneurship Week 2025 at the Postgraduate Hackathon co-hosted by Humber College (Canada), CBS International Business School (Germany), the University of Salford (U.K.), and GEA College (Slovenia), the session synthesizes and operationalizes the core findings of my doctoral dissertation, Toward AI-EdBOK in Industry 4.0 (DOI: 10.5281/zenodo.16990734). Building on the dissertation’s conceptual and methodological architecture, the presentation highlights the AI Transition Readiness Index (TRI) and the G-PLAC Framework (Governance–Programs–Learners–Agreements–Classification). Together, these models evaluate both an institution’s Will (AI governance, policy maturity, and intent) and its Way (operational capacity to deliver AI-enabled teaching and learning). The research pipeline combines deterministic Python chatbots, NLP-driven snippet extraction, R-based statistical validation, Six Sigma Gage R&R and Monte Carlo methods, and risk-based principles adapted from the IMF AML/CFT supervisory framework. The deck positions TRI and G-PLAC as rigorous, reproducible tools that help business schools and colleges respond to the accelerating demands of AI adoption. By benchmarking Ontario’s 24 public colleges against the QS World Top 10 AI universities and mapping these results to labour market indicators, the work demonstrates how AI readiness in education can be connected to workforce demands in the Fourth Industrial Revolution. This resource provides academic leaders, policymakers, and researchers with a structured, methodology-backed approach to institutional AI transition—bridging conceptual theory, practical governance needs, and empirical evidence.
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 | 0,058 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,015 | 0,008 |
| Études des sciences et des technologies | 0,007 | 0,050 |
| Communication savante | 0,026 | 0,023 |
| Science ouverte | 0,005 | 0,012 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».