Comparison of Emotional Intelligence Scores among Engineering Students at Different Stages of an Academic Program
Notice bibliographique
Résumé
Intelligence quotient (IQ) has been widely used as a measure of an individual’s intellectual abilities. Emotional intelligence or emotional quotient (EQ) is equally important in defining excellent work performance. An increasing number of employers have started considering fresh graduates with high EQ because the job market is already full of academically competent candidates. With this motivation considered, this study aims to compare the EQ levels of four groups of undergraduate students in their first year of enrollment in their academic program and at the start of each succeeding academic year in the Faculty of Engineering and Built Environment, Universiti Kebangsaan Malaysia (UKM). The EQ scores of these students were also monitored until their graduation. The EQ levels were determined using the Malaysian EQ Inventory (MEQI) test developed by UKM researchers. A comparative study of EQ levels among five batches of students was conducted, starting from their first enrollment in their respective programs. One batch of students has completed the study, and their MEQI results indicated a slight reduction in the total EQ scores. However, two domains recorded improvement: social skills and maturity. Thus, tertiary education is not expected to change student EQ levels, completely because EQ level comprises cognitive and emotional qualities developed during primary and secondary years of education. Innovative strategies on effective teaching and learning activities should be identified to determine their positive influence on the development of EQ domains.
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 | 0,000 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 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 ».