MétaCan
Menu
Retour à la cohorte
Enregistrement W4409558739 · doi:10.5539/ibr.v18n3p33

Bridging Perceptions and Knowledge Acquisition in Accounting: A Comparative Analysis of Learning Methods

2025· article· en· W4409558739 sur OpenAlexvenueno aff
Chara Kottara, Dimitra Kavalieraki-Foka, Sofia Asonitou

Notice bibliographique

RevueInternational Business Research · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBridging (networking)PerceptionAccountingKnowledge managementPsychologyBusinessComputer science

Résumé

récupéré en direct d'OpenAlex

The perception that students have towards accounting contributes significantly to whether they will learn and acquire accounting skills or not. This study investigates the relationship between students' perception of accounting and learning in the presence of a comparative environment involving traditional and blended learning environments. A survey questionnaire was administered to both groups of students in a Greek university and asked them to report demographic information, attitudes toward accounting, and self-assessed ability to perform main accounting functions. To assess learning outcomes, knowledge and skills tests were administered at the beginning and the end of the semester to both the traditional and blended learning groups. The findings show that blended learning students had better scores and perceived accounting as more applicable to their future careers and are more assured that they will be able to apply accounting concepts. They are more assured of performing accounting tasks than students who are not undertaking the blended learning environment. Blended learning also reduces perceived difficulty, which enhances the fun involved in learning. This study contributes to the new emerging literature in accounting education through the illustration of the impact of modes of instruction on students' knowledge acquisition. The findings illustrate that blended learning raises engagement and skill building, which reinforces its increasing adoption in accounting classes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,080
Score d'incertitude au seuil0,436

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,078
Tête enseignante GPT0,461
Écart entre enseignants0,383 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetAccounting Education and CareersTravaux en français237 207