The Impact of Implementing Full E-learning During Covid-19 on the Students’ Academic Performance in the Courses of Accounting and English Language (A Case Study: Students of the Department of Administrative Sciences - Community College in Khamis Mushait- King Khalid University- KSA)
Notice bibliographique
Résumé
This study aimed at figuring out the effect of full e-learning on the students’ academic performance in accounting courses, which include multiple mathematical calculations compared with the English Language courses, which are free of mathematical calculations. A questionnaire was designed and distributed among a random sample of students during the second semester of the academic year 2019-2020, during which full e-learning was implemented due to the Coronavirus Pandemic. The sample included (302) out of (1411) male and female students at the Department of Administrative Sciences, whose major is accounting and business administration. Besides, they study English language as part of the general courses at the Community College in Khamis Mushait. The study found that, there is a statistically significant effect regarding the features of full e-learning on the students’ academic performance with respect to the accounting and English Language courses. The problems related to e-learning did not affect the students' academic performance in accounting courses, while it impacted negatively on the students' academic performance in the English language courses. The study recommended that, the educational institutions should continuously develop the e-learning atmosphere in order to become conducive, attractive and creative.
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 | 0,005 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».