Notice bibliographique
Résumé
The COVID-19 pandemic has hindered the provision of educational services for a considerably long time. Even today, students, teachers, educators, and other stakeholders continue to struggle with the permanent traces of the pandemic. The present research intends to delve into the opinions of students and teachers at the high school and at the tertiary level while investigating some key variables. A combination (variation) design, one of the mixed research methods, was deployed in this regard. Utilizing random sampling, 428 high school students, 189 teachers of different branches, 673 university students and 105 faculty members were employed in the research. The Montreal Cognitive Assessment (MoCA), Zung Self-Rating Depression Scale (SDS), Generalized Anxiety Disorder Screener (GAD-7), Motivation Scale (MS) and Semi-Structured Interview Questions were utilized as the data collection instruments. The data obtained within the scope of the research were analyzed using SPSS 25, AMOS 24, and The PROCESS macro for the SPSS (Hayes, 2018) program. In addition to the models developed by Hayes (2018), path analyses produced by the researchers of the current study were also referred to. At the end, it was determined that the cognitive test results of high school students were low, and their motivation results were affected by the variables of depression and anxiety. These variations appear to be creating significant differences in variables such as gender, receiving psychological support, providing mentor support, adaptation to the post-pandemic process, digital competence and infrastructure competence.
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 | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,034 |
| Communication savante | 0,011 | 0,013 |
| Science ouverte | 0,001 | 0,015 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
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 ».