MétaCan
Menu
Retour à la cohorte
Enregistrement W2495582910 · doi:10.5539/ies.v9n8p36

Examining the Effects of Financial Aid on Student Persistence in Taiwanese Higher Education

2016· article· en· W2495582910 sur OpenAlexvenueno aff
Ching-Hui Lin

Notice bibliographique

RevueInternational Education Studies · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyPersistence (discontinuity)InstitutionHigher educationPerspective (graphical)Mathematics educationMedical educationPedagogySociologyEconomic growthEconomicsSocial science

Résumé

récupéré en direct d'OpenAlex

<p class="apa">The purpose of this study was to examine the effects of financial aid policies on student persistence between the first and second year at a private four-year postsecondary institution in Taiwan. A two-phase sequential research design was employed with priority was given to the quantitative data–structural equation modeling (SEM). While the conceptual framework of this study was drawn from multiple research antecedents in relation to student persistence the major perspective guiding it was based on St. John’s (1992) analysis of the research. Overall, the greatest effects on persistence were the measures of high school academic performance, followed by campus work, academic integration, social aspiration for attending college, financial aid, and parental supports, while neither parental educational attainments, faculty-student interactions, the practical value for future employment, nor peer relations were associated with students’ decision to remain enrolled in college, results which merit further investigation. In sum, this study provides a necessary beginning step, more institutional research is needed in Taiwan to improve policy makers’ and institutional researchers’ understanding of the complex interplay between student financial aid and college experiences in students’ decisions to persist in college as well as to develop a longitudinal database to identify ways to increase student success.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil0,657

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,457
Écart entre enseignants0,377 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetHigher Education Research StudiesTravaux en français237 207