MétaCan
Menu
Retour à la cohorte
Enregistrement W4220886452 · doi:10.3390/educsci12030197

A Comprehensive Overview of Education during Three COVID-19 Pandemic Periods: Impact on Engineering Students in Sri Lanka

2022· article· en· W4220886452 sur OpenAlexfundno aff
Gayanthi Anuradha Ilangarathna, Yasiru Ranasinghe, Harshana Weligampola, Erandi Attygalla, Janaka Ekanayake, Sakunthala Yatigammana, Mallika Pinnawala, Roshan Godaliyadda, Vijitha Herath, Parakrama Ekanayake, Ganga Thilakaratne, Samath Dharmarathne

Notice bibliographique

RevueEducation Sciences · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesInternational Development Research Centre
Mots-clésPandemicAttendanceSri lankaDescriptive statisticsThe InternetMedical educationIncentiveCoronavirus disease 2019 (COVID-19)Family incomePsychologyDeveloping countrySocioeconomicsMedicineComputer scienceEconomic growthSociologyMathematicsStatisticsEconomics

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has impacted the education system in Sri Lanka, similar to many countries in the world. As a result, the mode of education shifted from conventional face-to-face classes to online mode. The main objective of this study is to provide a comprehensive overview of the changes to the educational system due to the COVID-19 pandemic among engineering undergraduates of Sri Lanka over three identified pandemic periods. Quantitative descriptive analysis was used together with chi-square statistics to answer the research questions using the data collected through a google survey from engineering undergraduates in Sri Lanka. According to the results, students’ attendance in online classes has improved over time compared to the initial pandemic period. Nearly 50% of students’ family income has been impacted, either stopped or reduced due to the pandemic. Most students have issues regarding computing devices, internet connectivity, and the home environment. According to the chi-square statistics results, few of these issues had a statistically significant relationship between the family income; lower the income, higher the negative impact on students. More than half of the students felt isolated when studying at home during the pandemic. Still, more than 50% of students agreed that lecturers were well prepared to guide and deliver lessons remotely. The overall recommendations of the study are implementing workshops, training on new technologies, awareness programs for educational stakeholders, providing incentives to purchase digital devices, and improving internet connectivity to improve the new standard education system of Sri Lanka.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,221
Tête enseignante GPT0,551
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetCOVID-19 and Mental HealthTravaux en français237 207