Analysis of Extracurricular Programs That Affect College Students' Writing and Speaking Skills
Notice bibliographique
Résumé
Communication skills such as writing and speaking contribute to learners' satisfaction with school life, academic achievement, and improvement of adaptability. In particular, the extracurricular activities experienced during college affect the acquisition of key qualities necessary for social life. The purpose of this study is to identify the extracurricular programs that affect the writing and speaking ability of college students. To confirm the purpose of this study, data were collected through an online survey conducted from April to May 2022 for current students at 4-year E-University located in Gyeonggi-do. The measurement tool is the Korea-National Survey of Student Engagement (K-NSSE). The Undergraduate Education Satisfaction Survey is a diagnostic tool that can obtain objective information on the quality and performance of undergraduate education by diagnosing undergraduate students' learning participation, learner psychology, high-efficiency program participation, and student performance. For the analysis method, frequency analysis and descriptive statistical analysis were performed. In addition, correlation analysis was performed to examine the validity between variables and to confirm multicollinearity. Finally, multiple regression analysis was performed to verify the influence of the non-examination program on the writing and speaking ability of college students. Results showed that the extracurricular program on the writing ability of college students had an influence in the order of learning mentoring, freshman orientation, professor's research project, and learning community activity. Moreover, the extracurricular program that affected the speaking ability of college students had an influence in the order of learning mentoring, professor's research project, freshman orientation, and learning community activity.
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 | 0,004 |
| 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 | 0,000 | 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) | 0,002 | 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 ».