FACTORS INFLUENCING MEDICAL STUDENTS' ATTENDANCE: A CROSS-SECTIONAL STUDY
Notice bibliographique
Résumé
Background: Absence of students from the classroom is one of the emerging problems in the medical sciences since recent years. Failure to attend classes disrupts the dynamic teaching-learning environment and causes this environment to become boring and unpleasant. The aim of this study was to evaluate medical students' views on factors affecting their presence in classrooms in Continental Medical CollegeMethods: A cross-sectional study was done on medical students at Continental Medical College, Lahore. A non-probability convenience sampling technique was used. A pre-tested semi-structured questionnaire containing demographic questions, and 13 items on factors affecting student attendance in classrooms on a five-point Likert scale was used to collect data. Data was evaluated using SPSS 25.Results: All 13 questions were categorized in 3 domains: Compulsory, Learning Outcomes, and Motivation. Descriptive statistics showed learning outcome as the major factor influencing student’s attendance followed by compulsory and motivation. Independent sample t test showed no significant difference between both genders. One way ANOVA test showed significant difference in all domains across years of study. Post Hoc Tukey HSD test showed 1st Year students are more likely to view attendance as compulsory and beneficial compared to students in later years.Conclusion: The results indicate that while gender does not play a significant role in students' perceptions of class attendance, the year of study does. First-year students tend to have stronger perceptions of the necessity and benefits of attending classes, which may decrease as they progress through their medical education. This information could be valuable for developing targeted strategies to maintain or improve attendance rates throughout the MBBS program.
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 | 0,004 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,027 | 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 ».