Examining Service Quality in Ghanaian Higher Education: A Comparative Analysis of Private and Public Universities
Notice bibliographique
Résumé
Little is known about how students perceive the quality of service provided by Ghanaian tertiary institutions and how this perception influences their enrolment choices. Using the Higher Education Quality (HiEdQUAL) model for service quality measurement, this study examined service quality across five key dimensions; teaching and course content, administrative services, academic facilities, campus infrastructure, and support services in Ghanaian private and public universities. A structured questionnaire based on HiEdQUAL model consisting of 27 items with five dimensions, measured on a five-point Likert-Scale was used to gather data. Out of the initial 2,266 sampled respondents surveyed from private and public universities, a total of 1,758 correctly completed questionnaires were returned. This gave a high response rate of 76.43%. The paired t-test results that examined the equality of means between students’ perceptions of service quality at private and public universities across five dimensions, helped to determine the presence of statistically significant differences in some areas. The results suggested that public universities may be making better use of their resources or benefitting from their large numbers of enrollment and state financial support. Given that the quality of service provided by both private and public universities in Ghana falls short of students’ expectations, the paper provides administrators with practical insights to improve service quality in Ghanaian universities and suggests the need for continuous quality improvement in institutions of higher learning in Ghana. Keywords: HiEdQUAL, Service Quality, Higher Education, Public Universities, Private Universities.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| 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 ».