Emotional Intelligence, Social Networking Skills and Online Counselling Communication Effectiveness Among Students of OAU, Ile-Ife, Nigeria
Notice bibliographique
Résumé
With a view to providing empirical information on the factors that influence online counselling communication among Nigerian university students, this study investigated the influence of emotional intelligence and social networking skills on the effectiveness of online counselling communication among students of Obafemi Awolowo University (OAU). Through a descriptive survey research design, the study sampled 100 students purposively from users of the University online counselling platform, on the basis of being able to have established complete counselling interaction with any of the counsellors online during the harmattan and rain semesters of 2017/2018 session (or over a period of 12 months.). The results showed that 78.0%, 19.0% and 3.0% of the students demonstrated high, moderate and low levels of online counselling communication effectiveness respectively and that emotional intelligence has significant influence on online communication effectiveness (β = 0.790, p < 0.05). The results further showed that social networking skills has no significant influence on online communication effectiveness (F = 3.457, p > 0.05) and no significant interaction effect of emotional intelligence and social networking skill was found on online counselling communication effectiveness (F = 0.546, p > 0.05). The study concluded that the only factor that influenced online counselling communication effectiveness among the students under study is emotional 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 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 | 0,002 | 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 | 0,000 |
| 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 ».