A Comprehensive Overview of Education during Three COVID-19 Pandemic Periods: Impact on Engineering Students in Sri Lanka
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,001 |
| 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) | 0,001 | 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 découle