Service Quality and Student Satisfaction Using ServQual Model: A Study of a Private Medical College in Saudi Arabia
Notice bibliographique
Résumé
The study assessed the service quality and satisfaction among Pharmacy students at one of the private medical colleges in Saudi Arabia using ServQual model. Specifically, it sought to determine the respondents’ profile in terms of gender, year level, and grade point average; service quality using SERVQUAL Model; over-all students’ satisfaction of students on the provided college services; and which profile and service quality dimensions best predict the over-all satisfaction of the students. Using a descriptive statistics and Multiple Regression Analysis for data analysis, this paper had 189 respondents. Based on the results, majority of the respondents were female from levels 2, 3, and 4 with above average GPA. Responsiveness, empathy and tangibility dimensions of service quality had a negative gap, which means that the expected services did not meet the perceived services on the cited service quality dimensions. Meanwhile, when overall satisfaction was measured, students expressed satisfaction to the college services. Year level was a predictor for all measures of student satisfaction; while GPA was identified as a negative predictor to student satisfaction in terms of faculty. Students’ satisfaction in terms of faculty was best predicted by responsiveness, assurance, tangibility. Meanwhile, assurance was a predictor of students’ satisfaction in terms of curriculum. Responsibility, responsiveness and assurance, on the other hand were predictors of students’ satisfaction in terms of students services and facilities. Finally, the overall student satisfaction was predicted by responsiveness, assurance and tangibility.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».