The Effectiveness of Technology to Improve Educational Counseling Services: A Systematic Literature Review
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
There is a scarcity of research that documents the use of technology-based educational counseling services specifically targeting students. This study’s aim is to compile and conduct a comprehensive review of the literature on the efficacy of technology in enhancing educational counseling services. Searches were conducted using the Publish or Perish (PoP) method throughout, along with Scopus, Crossref, PubMed, ACA, Web of Science, Springer, Emerald, as well as the Taylor and Francis databases. Data gathering was done in October and November 2023. The evaluation included a total of 19 papers, and the results indicated that technology has been proven to improve educational counseling services, where it is used in mental health that is dominated by MHAs, mobile well-being apps, mHEALTH, SMS, FER, and mindfulness apps. Computer-assisted and CD-ROM tools are used in personal counseling, while CAI is used in providing learning counseling. Social counseling used two technologies: a safety decision-aid smartphone app and a virtual message app. Counseling for learning was used with CAI, MCO, and video modeling. Career counseling employed a mobile-based career counseling app along with career counseling websites. The investigation included the countries of Indonesia, the United States, the United Kingdom, Türkiye (Turkey), the Philippines, and Iran.
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 | 0,011 | 0,003 |
| 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 | 0,002 |
| 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