Factors Affecting in Achievement of Universal Courses Objective by Using Distance Education during COVID-19 Pandemic
Notice bibliographique
Résumé
The Coronavirus pandemic (COVID-19) has caused countries to resort to using distance education, as the study tried to uncover the factors that affect in the achievement of universal courses objective by using distance education during (COVID-19) pandemic. The researchers used the relational descriptive Methodology through the questionnaire Instrument. The questionnaire consisted of (24) items distributed on (6) factors (Effectiveness of Students, Effectiveness of faculty members, Methods of Distance Teaching, Motivation of Students, Availability of facilities and Achieving of course objectives). The study sample consisted of (1320) students from university colleges in Jordan, which were chosen by the Available sample method. The appropriate statistical analysis represented by the path analysis was found through the IBM SPSS Statistics. The results of the study showed the validity of the study hypotheses and that the specific factors (Effectiveness of Students, Effectiveness of faculty members, Methods of Distance Teaching, Motivation of Students and Availability of facilities) affect the Achieving of course objectives. According to the results of the research, the researchers recommended concerned universities in taking the factors found in the study to improve the effectiveness of distance education. Where the research contributes to supporting e-learning by developing it as a method of distance education and identifying the most important factors that affect its achievement of the objectives of the courses, especially in countries where the use of e-learning is considered a preliminary experience due to the Corona pandemic, which has not happened previously, and the state did not resort Jordanian to rely on him previously.
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 | 0,000 | 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 | 0,001 |
| 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 ».