Investigating perceived barriers to the use of open educational resources in higher education in Tanzania
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
<p>The past few years have seen increasingly rapid development and use of open educational resources (OER) in higher education institutions (HEIs) in developing countries. These resources are believed to be able to widen access, reduce the costs, and improve the quality of education. However, there exist several challenges that hinder the adoption and use of these resources. The majority of challenges mentioned in the literature do not have empirically grounded evidence and they assume Sub-Saharan countries face similar challenges. Nonetheless, despite commonalities that exist amongst these countries, there also exists considerable diversity, and they face different challenges. Accordingly, this study investigated the perceived barriers to the use of OER in 11 HEIs in Tanzania. The empirical data was generated through semi-structured interviews with a random sample of 92 instructors as well as a review of important documents. Findings revealed that lack of access to computers and the Internet, low Internet bandwidth, absence of policies, and lack of skills to create and/or use OER are the main barriers to the use of OER in HEIs in Tanzania. Contrary to findings elsewhere in Africa, the study revealed that lack of trust in others’ resources, lack of interest in creating and/or using OER, and lack of time to find suitable materials were not considered to be barriers. These findings provide a new understanding of the barriers to the use of OER in HEIs and should therefore assist those who are involved in OER implementation to find mitigating strategies that will maximize their usage.</p>
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.
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 | 0,007 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,003 | 0,002 |
| 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 découle