Estudo do impacto de um curso MBA em controladoria na evolução de seus egressos
Bibliographic record
Abstract
O ensino de pós-graduação tem evoluído de maneira muito acentuada a partir da premissa que traz conseqüências práticas em termos de benefícios aos participantes e às empresas. A grande busca tem se concentrado nos Master of Business Administration, criação norte-americana do início do século passado, que se expandiu para praticamente todas as partes do mundo. O estudo dos impactos dos cursos tem sido feito nos ambientes profissional e acadêmico. Abordando a evolução dos salários pré e pós MBA, o alcance de novos níveis na carreira e até mesmo a postura e aquisição de competências, os estudos buscam detectar os fatores que determinam o sucesso dos egressos dos cursos. A presente pesquisa examina a população de um programa brasileiro que foi implantado em 1994 e conta hoje com 17 turmas já formadas. Através de um questionário foram examinados o impacto do curso conforme percebido pelos egressos e sua evolução na carreira pós-MBA. Essas informações foram cruzadas com o perfil dos alunos e com seu desempenho acadêmico, buscando determinar os fatores que implicam no sucesso dos alunos após o curso. Para tanto, a pesquisa valeu-se da estatística descritiva e da Análise por Tabela de Contingência. Ao final, são apresentadas algumas conclusões iniciais e questões para aprofundamento.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".