Absenteeism in maritime education: insights, challenges, and innovative solutions
Notice bibliographique
Résumé
Students’ attendance at classes is a measure that reflects students’ enthusiasm for the course and their status in the university. University-level absenteeism is influenced by various factors, ranging from academic self-perception and attitudes towards lecturers to academic performance. Work-related absenteeism is also linked to stress, group size, commitment, and job satisfaction. It is essential to discern the specific importance of these factors. The STCW-IMO convention provides the international minimum standards for maritime education and training and the minimum requirements for the competences of seafarers and also adapted standard models of competence-based training to this convention. Even though all this knowledge and skills are well specified, attendance is only required for some specific maritime courses. Due to the importance of classroom attendance, this paper presents the results of the teaching innovation project titled “Active methodologies for face-to-face and participatory learning (ASAP-UPC)” and seeks to quantify current levels of absenteeism, identify its main causes and propose initiatives to improve classroom attendance at the Barcelona School of Nautical Studies (FNB-UPC). These findings hold significance for FNB-UPC lecturers and decision-making bodies, as they highlight areas that can be improved to offer a more useful experience to our students. Moreover, the outcomes of this research can potentially be applied to other Maritime Education and Training Institutions (METIs).
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 | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 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 ».