Actually Segregated, Virtually Integrated! The Impact of Virtual Learning on the Sustainable Development of Saudi EFL Students: A Focus on Gender Equality
Notice bibliographique
Résumé
This paper is based on the premise that virtual learning is a softener of gender segregation in the Saudi education settings. It explores how virtual learning interconnects with gender equality within the framework of sustainable development. The main objective of the paper is to demonstrate the extent to which virtual learning contributes to softening gender segregation, particularly in a gender-segregated-oriented culture, where gender segregation in education is predominant and virtual learning is a momentous avenue for educational access. The study uses a mixed-method analysis represented by both a quantitative and qualitative analysis. Two instruments are used in data collection: a questionnaire and an interview. The sample of the study consists of 373 female students, who are studying English as a foreign language in four different academic departments in one Saudi university, and 16 male teachers affiliated with the same academic departments in the same Saudi university. Results reveal that virtual learning can bridge gender gaps by providing equal learning opportunities, and, therefore, it can be perceived as a gender-segregation softener. Also, there is a statistically significant correlation between virtual learning and gender equality in terms of female students' academic performance and engagement. This study recommends additional pedagogical applications and uses of virtual learning platforms as a way to reduce gender segregation, particularly in educational settings that are gender-segregated.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,000 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».