MétaCan
Menu
Retour à la cohorte
Enregistrement W4308566814 · doi:10.5430/jct.v11n8p181

Effects of University Students' Educational Satisfaction on Convergence and Creative Competencies

2022· article· en· W4308566814 sur OpenAlexvenueno aff
Youngju Hur

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducation and Learning Interventions
Établissements canadiensnon disponible
Organismes subventionnairesNamseoul University
Mots-clésCreativityLiberal arts educationConvergence (economics)CurriculumThe artsPsychologyMathematics educationAffect (linguistics)Medical educationPedagogyHigher educationPolitical scienceSocial psychologyMedicine

Résumé

récupéré en direct d'OpenAlex

The purpose of this study is to understand the effect of individual and educational factors on convergence and creative competencies of university students. In order to achieve the research purpose, educational satisfaction and creativity and convergence capabilities were measured among 1,379 students in 2021, and multiple regression analysis was conducted using the optimization scale method. The findings showed that if educational satisfaction which is an educational factor that can be managed by a university is high, then the influence of individual factors on the convergence and creative competencies can be reduced. In addition, it was found that satisfaction with extra-curriculum did not affect convergence and creative competencies, but satisfaction with liberal arts and major curricula had an effect on convergence and creative competencies. In particular, it was found that satisfaction with the major curriculum had greater influence on convergence competency, and satisfaction with the liberal arts curriculum had greater influence on creative competency. Based on the research results, it is recommended that universities open various liberal arts and major subjects, and maintain a high level of quality according to the students’ level. Moreover, liberal arts subjects must be directed towards improving creativity, and major subjects must be focused on improving job performance for employment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,135
Score d'incertitude au seuil0,213

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,273
Écart entre enseignants0,265 · 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 tête enseignante, 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetEducation and Learning InterventionsTravaux en français237 207