Cultural Differences between University Students in Online Learning Quality and Psychological Profile during COVID-19
Notice bibliographique
Résumé
During the COVID-19 pandemic, educational systems had to adapt to the social and health situation immediately. This led to the appearance of the asynchronous teaching model. Throughout the pandemic at an educational level, we can distinguish three phases, eminently online, hybrid, and face-to-face. However, the perception of educational quality in these three educational moments, considering the psychometric profile and cultural differences comparing Ibero-American countries, has not been studied. The study aims to analyze the psychological profile, and perception of quality in the teaching–learning processes at the university stage, during the three processes of educational transition during COVID-19: online, hybrid, and face-to-face. Thus, 1093 university students from Ibero-American countries were studied. Through a questionnaire, demographic, academic, and psychological variables were analyzed during three phases of the pandemic. Data suggest that Latin American students had higher levels of trait anxiety and stress perception, as well as higher levels of loneliness, during the online teaching phase (lockdown), but higher grades and higher levels of motivation compared to Europeans. Indeed, Latin Americans showed greater convenience, and preference for online learning methods. However, during the face-to-face teaching phase, European students presented greater motivation and grades, showing a greater preference for this method of learning than Latin American students. Factors such as resilience, a more unfavorable and pronounced pandemic evolution, and greater social inequities, may explain the present results. Furthermore, the present study suggests that despite the effect of the pandemic on mental health, online education is postulated as an effective teaching–learning alternative. Indeed, online teaching models have come to stay, not as a substitute, but as a tool, an essential focus of attention on these models should be conducted in European countries, while the governments of Latin American countries ensure that the infrastructures and resources are equitable to be able to correctly implement this teaching model.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».