Effects of Gender and Military Leave on the Academic Performance of Undergraduate Engineering Students
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
Contribution: This article examines how military leaves of absence affect the academic performance of engineering students compared to those who did not take a military leave of absence or took only a general break. Gender-related differences were also analyzed since only male students take a military break. Background: Recognizing the effects of military breaks can help students make informed decisions and, in turn, enhance their academic performance. Consequently, it can help students make data-based decisions about when taking a military break would be least disruptive or, perhaps, even beneficial to their academic careers. Research Questions: How does taking a long-term academic break to complete military service in the middle of one’s undergraduate education impact the student’s performance? Does the gender of students affect their academic performance? Methodology: This research was conducted at the Korea University of Technology and Education (KOREATECH) with data from 1039 undergraduate students in the School of Electrical, Electronics, and Communication Engineering. The students were admitted between 1994 and 2013 and graduated before 2018. The Shapiro–Wilk test, along with the Kolmogorov–Smirnov test, assessed the normality of the distribution of the data. In addition, analysis of variances (ANOVA) and the Kruskal–Wallis tests were implemented for hypothesis testing. Findings: The research findings demonstrate that contrary to the assumption that having a break might be detrimental to academic success, returning to school after a military leave of absence positively affected students’ grade point averages (GPAs). Moreover, students with lower grades significantly increased their GPAs after returning to school from conscription.
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 | 0,000 |
| 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) | 0,000 | 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