A cross-national, cross-cultural comparison of predictors of academic performance among Canadian and Malaysian university students
Notice bibliographique
Résumé
Background: Poor academic outcomes among postsecondary students are a concern to academic institutions globally. Several sociodemographic, psychosocial, and academic functioning factors are proposed as contributory. As most literature is from Western countries, global generalizability is limited. The aim of this 1-year study was to conduct a prospective cross-cultural comparison of factors impacting academic performance among university students from Canada and Malaysia. Methods: First-year undergraduate students were recruited from University of Toronto Scarborough and Universiti Kebangsaan Malaysia at the start of their academic year. Participants completed a comprehensive range of self-report measures on relevant factors. Information on their year 1 academic performance was obtained from the universities. The data were assessed using Chi-square, analyses of variance, and multiple linear regressions. Results: For Canadian students (n = 224), parents' educational levels, self-reported stress, coping, mental health knowledge, and physical activity were predictors of year 1 academic performance. For Malaysian students (n = 139), gender, ethnicity, academic amotivation, and peer engagement were predictors of year 1 academic performance. Attrition over the year was higher among Canadians (6%) than Malaysians (0%), but numbers were insufficient to determine likely predictors of dropout. Conclusions: The differences in predictors of academic performance between the Canadian and Malaysian students suggest that cultural factors may play an important role in academic outcomes. Intervention and prevention strategies customized to the local context are supported.
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 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».