Are Students Submitting their Mathematics Outputs on Time during the COVID-19 Pandemic? A Statistical Modeling
Notice bibliographique
Résumé
During the pandemic, submitting students' outputs in mathematics is seldom on time because of a lack of focus on doing their activities before the deadline. In fact, several causal factors cause the students' submission process of mathematics outputs. Hence, this study focused on investigating the factors of outputs submission on time among students at Visayas State University taking a mathematics course online amid the new normal. The study involved statistical measures to summarize the variables of interest and employed binary logistic regression to model the causal factors affecting the students' submission on time. Results revealed that only 26.15% of the students are submitting their mathematics outputs on time. This means that during the pandemic, several students are having difficulty submitting their outputs on or before the given deadline. The logistic regression model showed that the significant factors that influence the students' submission on time include the availability of laptops (p-value=0.011), money spent on internet load (p-value=0.062), small household size (p-value=0.087), and internet signal strength (p-value=0.020). It is concluded that appropriate gadgets (technology) for online learning are a great help in accomplishing learning tasks on time. Additionally, less distraction at home, enough budget, and a good internet signal can progress their required mathematics activities and sustain an effective learning behavior amid the distance learning process. Hence, students must be supported by the Philippine government in terms of their need for learning tools that are suitable for online learning. Furthermore, teachers must provide attainable learning tasks given the deadline of submission and encourage their students to develop time scheduling management for their mathematics activities.
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 | 0,005 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 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 ».