Knowledge and Information Sources About COVID-19 Among University Students in Jordan: A Cross-Sectional Study
Notice bibliographique
Résumé
Background: Coronavirus disease 2019 (COVID-19) has rapidly spread worldwide, and it was officially declared to be a pandemic by the World Health Organization (WHO) March 11, 2020. Most countries over the entire globe have reported some COVID-19 cases. The current study aimed to assess student knowledge about COVID-19 at different Jordanian universities and determine where they sourced their information. Methods: A cross-sectional study was conducted among 2083 undergraduate or postgraduate students from different governmental and private universities during the initial stage of the disease in Jordan (March 19-21, 2020) using a validated, structured, self-administered, online questionnaire. The survey was structured to assess their knowledge about viral sources, incubation period, mortality rate, transmission, symptoms and complications as well as the source of information about COVID-19. Results: Overall, 56.5% of the respondents showed good knowledge and almost 40.5% showed moderate knowledge. On the other hand, 3.0% of the participants showed poor knowledge about COVID-19. The average knowledge score of students was 80.1%, which is considered to be within the scale of good knowledge. Both the college of study and educational level significantly (P < 0.05) affected student knowledge. Students who majored in medical sciences showed the highest mean score of 82.8%, with 69.0% displaying a good knowledge level. Postgraduate students had significantly higher knowledge scores compared to undergraduate students. The majority of students used the internet, social media and mass media as sources of information about COVID-19. Scientific websites and articles were used more commonly by medical and postgraduate students. Conclusions: The COVID-19 pandemic is a major challenge to the health of the world population; therefore, these results assessing students' knowledge provide an important baseline for planning required educational interventions such as contact tracing and self-quarantine. These results also may help public health authorities by engaging communities in implementation of protective health measures, including positive hygienic practices such as hand washing to reduce the risk of COVID-19.
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) | 0,001 | 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) | 0,002 | 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 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 ».