Influence of Acculturation in Yunnan’s Ethnic Minority College Students on Their Academic Achievement: The Moderating Role of Learning Motivation
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
<p style="text-align:justify">This study examined the effect of Yunnan’s ethnic minority college students’ acculturation on their academic achievement under the risk of the Matthew effect. Additionally, the role played by learning motivation in the relationship between ethnic minority college students’ acculturation and academic achievement was explored. A total of 403 valid questionnaires were collected from four areas in Yunnan province, China. Consequently, the Acculturation Scale, Academic Achievement Scale, and Learning Motivation Scale were used for measurement materials. These items of scales were evaluated on a five-point Likert scale ranging from 1 (strongly disagree) to 5 (strongly agree). SPSS (statistical package for the social sciences) and AMOS (analysis of a moment structures) softwares were used for data analyses. In addition, items were analyzed through item analysis, confirmatory factor analysis, reliability analysis and regression analysis. These results indicated that ethnic minority college students with low acculturation and learning motivation or high acculturation and low learning motivation can become objects of the Matthew effect. However, this study also observed that in certain students, high acculturation and high learning motivation can prevent the Matthew effect. Thus, high acculturation is crucial for improving academic achievement in ethnic minority college students. A level of high learning motivation is a powerful moderator promoting the academic achievement of students with high acculturation.</p>
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 | 0,004 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 découle