Gender Imbalance in Brunei Tertiary Education Student Populations: Exploring English Language, Self-Efficacy and Coping Mechanisms as Possible Causes
Notice bibliographique
Résumé
Brunei has a multilingual society where no citizens (except very young children) are monolinguals. The dominant and official language of the country is Bahasa Melayu. English is widely spoken by many bilinguals and used as the medium of instruction in most schools in addition to being an admission criterion to colleges and universities. Arabic, the language of both Islamic educational institutions and religion, is added to trilinguals who are adherents while each indigenous language is used by most of the multilinguals. In such a complex linguistic environment, the learning and use of spoken or written English is often affected by both retroactive and proactive interferences from other competing languages. In the present survey (N = 287) females scored significantly higher on an English test than their male counterparts. In addition, females significantly used the emotion-oriented coping strategy more than the male peers. No significant differences were obtained on self-efficacy variable by gender and ability in English. Similarly, no significant differences were also obtained on coping strategies by ability in English. However, the task-oriented and avoidance-oriented coping styles were predictors of good and bad achievement in English respectively. Overall, English appeared to be a partial causal factor to the gender gap in Brunei tertiary student populations. Further mixed-methods research was recommended to access more details and possible solutions.
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 | 0,001 | 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 | 0,000 |
| 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) | 0,000 | 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 ».