Graduate Student’s Perception on Effectiveness of Virtual Education during Covid-19: Evidence from Structural Equation Modelling in Nepal
Notice bibliographique
Résumé
Background: The COVID-19 pandemic forced educational institutions worldwide to shift to online learning, disrupting traditional academic calendars. In Nepal, this transition significantly impacted graduate students, raising concerns about the effectiveness of virtual education. Objective: This study aims to examine the effectiveness of virtual education on student satisfaction and performance during the COVID-19 pandemic among graduate students in the Kathmandu Valley. Method: Based on the achievement goal theory, 203 graduate students from management colleges in Kathmandu Valley were selected through purposive sampling. Data were collected using a structured questionnaire administered via KOBO Toolbox. Both descriptive and inferential analyses, including Structural Equation Modeling (SEM), were employed to analyze the data. Result: The findings reveal that while the majority of students showed a positive attitude toward online classes, dissatisfaction arose due to a lack of training and familiarity with new information technologies. The SEM results indicate that course design, prompt feedback, and student expectations significantly influence student satisfaction, which in turn mediates the relationship between these factors and student performance. Challenges such as power outages, difficulty concentrating, lack of access to technology and insufficient instructor knowledge were identified as major obstacles. Conclusion: Although graduate students in Kathmandu Valley reported a generally positive outlook towards virtual education, several significant challenges need to be addressed to improve the effectiveness of online learning, particularly in terms of instructor quality and technological infrastructure. Paper Types: Research Paper Keywords: COVID-19, Virtual Education, Management Student, Effectiveness, Graduate Students Perception JEL Classification: D83, I20, L86, A23
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».