Examining the Linkage of Academic Performance and Attention by Uddin's Numeral Finding and Typo Revealing Tests: A Cross-Sectional Pilot Study in Undergraduate Students of Bangladesh
Notice bibliographique
Résumé
Background: Attention is the state of applying the concentration to something and it's strongly linked to academic performance. The drive of this study was to analyze the academic performance and attention of undergraduate students. Methods: The study was implemented on 139 undergraduate students of Bangladesh selected from 9 universities from April to August 2018. In this study to investigate the attention of the students, the Uddin’s Numeral Finding (NF) and Typo Revealing (TR) tests were used. Results: In the NF test male students with last semester cumulative grade point average (CGPA) of 3.47 (highest) exerted the maximum 40% attention but female students exerted only 33.3% attention and their last semester CGPA was 3. Students with age > 22 years exerted maximum, 70.55%, and 35.2% attention in NF and TR tests respectively with last semester CGPA of 3.56 (maximum). In the NF and TR tests, highest, 89.73%, and 50.33% attention respectively were reported by 1st-year students with last semester CGPA of only 3.70. High-socioeconomic status students with last semester CGPA of 3.43 (lowest) exerted maximum 75.30% attention in NF test. There were no significant associations between variables. Conclusion: Attention is a very rudimentary function that often is a forerunner to cognitive functions. Individual differences in academic performance have been linked to differences in attention and intelligence.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».