Efektywność zajęć zdalnych w czasie pandemii COVID-19

• Authors: Elżbieta Zalewska , Kamila Trzcińska

Title variants

EN

Effectiveness of distance learning during the COVID-19 pandemic

Abstracts

EN

Education should be able to keep up with the changes taking place in the surrounding reality, both in terms of its content and mode of work. In addition to technological progress, these changes have been recently stimulated by the COVID-19 pandemic and the related restrictions which enforced distance learning. These circumstances pose a question about the effectiveness of online learning. The aim of this paper is to compare the effectiveness of distance and classroom learning. The analyses are based on the results of the final exams in mathematics obtained by first-year fulltime students majoring in finance and accounting at the University of Lodz in the years 2018/2019 (classroom learning) and 2020/2021 (distance learning). These students’ scores achieved in the basic-level matura exam in mathematics served as a point of reference. The teaching mode remained the same throughout the entire cycle of classes in the aforementioned years. The assessment of the effectiveness of learning was based on the Lorenz curve and the Gini coefficient, which is commonly used by economists to determine income inequality. However, it can also be applied to any kind of data of an unequal distribution. The conducted research showed no significant differences in terms of the effects of distance learning and classroom learning, which proves that the university maintained a high quality of education despite the introduced change in the mode of teaching. The descriptive statistics relating to the verification of the mathematical knowledge in the selected student groups – in particular the left-sided asymmetry – indicate a slight predominance of positive results achieved in the final exams during distance learning compared to the results obtained during classroom education, which also applies to the matura exams. However, these differences are not significant as they differ by approximately 0.1 p.p.

PL

Szkolnictwo, zarówno pod względem treści, jak i formy nauczania, powinno nadążać za zmianami dokonującymi się w otaczającej nas rzeczywistości. W ostatnim czasie zmiany te były stymulowane – oprócz postępu technologicznego – przez pandemię COVID-19 i związane z nią obostrzenia, które wymusiły przejście w tryb nauki zdalnej. Nasuwa się więc pytanie, jak efektywne było kształcenie online. Celem badania omawianego w artykule jest porównanie efektywności kształcenia akademickiego w trybie stacjonarnym i zdalnym. Dane do analiz zaczerpnięto z bazy wyników uzyskanych przez studentów I roku studiów dziennych na kierunku finanse i rachunkowość, prowadzonych na Wydziale Ekonomiczno-Socjologicznym Uniwersytetu Łódzkiego (UŁ), z egzaminów końcowych z matematyki w latach akademickich 2018/2019 (nauka stacjonarna) i 2020/2021 (nauka zdalna) oraz – jako punktu odniesienia – z egzaminów maturalnych z matematyki na poziomie podstawowym zdanych przez badane osoby. W podanych latach przez cały cykl zajęć obowiązywał jeden tryb nauczania. Efektywność kształcenia została oceniona na podstawie krzywej Lorentza i współczynnika Giniego, powszechnie używanego do określania nierówności dochodów, ale możliwego do zastosowania w przypadku każdego rodzaju danych o nierównym rozkładzie. Na podstawie przeprowadzonych analiz stwierdzono, że na UŁ nie występują istotne różnice pomiędzy efektami nauki zdalnej i stacjonarnej, co świadczy o tym, że uczelnia zachowała wysoką jakość kształcenia pomimo zmiany trybu pracy. Statystyki opisowe wyników weryfikacji wiedzy z matematyki dla badanych grup studentów – w szczególności lewostronna asymetria – świadczą o nieznacznej przewadze pozytywnych wyników egzaminów końcowych w okresie nauki zdalnej w porównaniu z wynikami uzyskanymi podczas nauki stacjonarnej. Dotyczy to również egzaminów maturalnych. Jednak różnice te nie są znaczące, wynoszą bowiem ok. 0,1 p.proc.

Keywords

PL

efektywność kształcenia; nauka zdalna; pandemia COVID-19; współczynnik Giniego

EN

education efficiency; distance learning; COVID-19 pandemic; Gini coefficient

• Publisher: Główny Urząd Statystyczny
• Journal: Wiadomości Statystyczne. The Polish Statistician
• Year: 2022
• Volume: 67
• Issue: 10
• Pages: 48-61

Dates

published

2022

Contributors

author

Elżbieta Zalewska

• Uniwersytet Łódzki, Wydział Ekonomiczno-Socjologiczny / University of Lodz, Faculty of Economics and Sociology

• https://orcid.org/000000031544300X

author

Kamila Trzcińska

• Uniwersytet Łódzki, Wydział Ekonomiczno-Socjologiczny / University of Lodz, Faculty of Economics and Sociology

• https://orcid.org/0000000247144074

References

• Alaghawat, M., Alshamailah, I. (2022). Distance Learning at the University of Jordan in the Setting of Covid-19 Pandemic from the Students’ Perspectives. International Journal of Emerging Technologies in Learning, 17(6). https://doi.org/10.3991/ijet.v17i06.27845.
• Alirezabeigi, S., Masschelein, J., Decuypere, M. (2020). Investigating digital doings through breakdowns: A sociomaterial ethnography of a Bring Your Own Device school. Learning, Media and Technology, 45(2), 193–207. https://doi.org/10.1080/17439884.2020.1727501.
• Asgari, S., Trajkovic, J., Rahmani, M., Zhang, W., Lo, R. C., Sciortino, A. (2021). An observational study of engineering online education during the COVID-19 pandemic. PLOS ONE, 16(4), 1–17. https://doi.org/10.1371/journal.pone.0250041.
• Bahasoan, A., Ayuandiani, W., Mukhram, M., Rahmat, A. (2020). Effectiveness of Online Learning In Pandemic COVID-19. International Journal of Science, Technology & Management, 1(2), 100–106. https://doi.org/10.46729/ijstm.v1i2.30.
• Biernacki, M., Ejsmont, W. (2011). Efektywność kształcenia we wrocławskich liceach. Acta Universitatis Lodziensis. Folia Oeconomica, (253), 157–172.
• Bonnini, S., Cavallo, G. (2021). A study on the satisfaction with distance learning of university students with disabilities: Bivariate regression analysis using a multiple permutation test. Statistica Applicata – Italian Journal of Applied Statistics, 33(2), 143–162. https://doi.org/10.26398 /IJAS.0033-008.
• Butnaru, G. I., Ni?ă, V., Anichiti, A., Brînză, G. (2021). The Effectiveness of Online Education during Covid 19 Pandemic – A Comparative Analysis between the Perceptions of Academic Students and High School Students from Romania. Sustainability, 13(9), 1–20. https://doi.org/10.3390/su13095311.
• Crespo-Cuaresma, J., Samir, K. C., Sauer, P. (2012). Gini Coefficients of Educational Attainment: Age Group Specific Trends in Educational (In)equality. https://paa2012.populationassociation.org/papers/121621.
• Dąbrowski, M. (2013). E-learning w szkolnictwie wyższym. Studia BAS, (3), 203–212. https://orka.sejm.gov.pl/WydBAS.nsf/0/66B19F03A052497FC1257BDC0029FE66/$file/Strony%20odStudia_BAS_35i-10.pdf.
• Gini, C. (1914). Sulla misura della concentrazione e della variabilita dei caratteri. Atti del Reale Istituto Veneto di Scienze, Lettere ed Arti, 73, 1203–1248.
• Główny Urząd Statystyczny. (b.r.). E-learning. https://stat.gov.pl/metainformacje/slownik-pojec/pojecia-stosowane-w-statystyce-publicznej/1418,pojecie.html.
• Hebebci, M. T., Bertiz, Y., Alan, S. (2020). Investigation of Views of Students and Teachers on Distance Education Practices during the Coronavirus (COVID-19) Pandemic. International Journal of Technology in Education and Science, 4(4), 267–282. https://doi.org/10.46328/ijtes.v4i4.113.
• Kopciał, P. (2013). Analiza metod e-learningowych stosowanych w kształceniu osób dorosłych. Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki, 7(9), 79–99. https://doi.org/10.26348/znwwsi.9.79.
• Lorenz, M. O. (1905). Methods of Measuring the Concentration of Wealth. Publications of the American Statistical Association, 9(70), 209–219. https://doi.org/10.2307/2276207.
• Maleńczyk, I., Gładysz, B. (2019). Academic E-learning in Poland: Results of a Diagnostic Survey. International Journal of Research in E-learning, 5(1), 35–59. https://doi.org/10.31261/IJREL.2019.5.1.03.
• Mohammed Ali, A. (2021). E-learning for Students With Disabilities During COVID-19: Faculty Attitude and Perception. SAGE Open, 11(4). https://doi.org/10.1177/21582440211054494.
• Romaniuk, M. W. (2015). E-learning in College on the Example of Academy of Special Education. International Journal of Electronics and Telecommunications, 61(1), 25–29. https://doi.org/10.1515/eletel-2015-0003.
• Rosthal, R. A. (1978). Measures of Disparity. A Note. Research Report. Killalea Associates. Ryl-Zaleska, M. (2022). Metody oceny efektywności kształcenia online. http://e-edukacja.fundacja.edu.pl/_referaty/9_e-edukacja.pdf.
• Sahu, P. (2019). Closure of Universities Due to Coronavirus Disease 2019 (COVID-19): Impact on Education and Mental Health of Students and Academic Staff. Cureus, 12(4), 1–6. https://doi.org/10.7759/cureus.7541.
• Sheret, M. (1988). Equality Trends and Comparisons for the Education System of Papua New Guinea. Studies in Educational Evaluation, 14(1), 91–112.
• Strielkowski, W. (2020). COVID-19 pandemic and the digital revolution in academia and higher education. Preprints, 1, 1–6. https://doi.org/10.20944/preprints202004.0290.v1.
• E. ZALEWSKA, K. TRZCIŃSKA Efektywność zajęć zdalnych w czasie pandemii COVID-19 61 Szymańska, A., Zalewska, E. (2015). E-learning as a tool to improve the quality of education in quantitative subjects. Didactics of Mathematics, 12(16), 125–134. https://doi.org/10.15611/dm.2015.12.13.
• Thomas, V., Wang, Y., Fan, X. (2001). Measuring Education Inequality: Gini Coefficients of Education (World Bank Policy Research Working Paper No. 2525). https://openknowledge.worldbank.org/bitstream/handle/10986/19738/multi_page.pdf?sequence=1&isAllowed=y.
• Thomas, V., Wang, Y., Fan, X. (2002). A New Dataset on Inequality in Education. Gini an Theil Indices of Schooling for 140 Countries, 1960–2000. The World Bank.
• Topol, P. (2020). Metody i narzędzia kształcenia zdalnego w polskich uczelniach w czasie pandemii COVID-19 – Część 1, Dyskusja 2020. Studia Edukacyjne, (58), 69–83. https://pressto.amu.edu.pl/index.php/se/article/view/26007/23736.
• Trzcińska, K. (2021). Kształtowanie się rozkładu dochodów ludności Polski dla regionów na podstawie wybranych modeli teoretycznych. Acta Universitatis Lodziensis. Folia Oeconomica, 1(352), 111–126. https://doi.org/10.18778/0208-6018.352.06.
• Zalewska, E. (2015). Jakość kursów e-learning. W: P. Wdowiński (red.), Nauczyciel akademicki wobec nowych wyzwań edukacyjnych (s. 105–113). Wydawnictwo Uniwersytetu Łódzkiego.
• Zalewska, E. (2021). The Application of Continuous Quality Improvement Methods at Universities in the Opinion of Students and Lecturers of the University of Lodz. Folia Oeconomica Stetinensia, 21(1), 175–190. https://doi.org/10.2478/foli-2021-0012.
• Ziesemer, T. (2011). What Changes Gini Coefficients of Education? On the dynamic interaction between education, its distribution and growth (UNU-MERIT Working Papers No. 2011-053). http://collections.unu.edu/view/UNU:200#viewAttachments.

Identifiers

DOI

10.5604/01.3001.0016.0659

Biblioteka Nauki

2138874