Blended learning across universities in a South–North–South collaboration: a case study
Notice bibliographique
Résumé
BACKGROUND: Increased health research capacity is needed in low- and middle-income countries to respond to local health challenges. Technology-aided teaching approaches, such as blended learning (BL), can stimulate international education collaborations and connect skilled scientists who can jointly contribute to the efforts to address local shortages of high-level research capacity. The African Regional Capacity Development for Health Systems and Services Research (ARCADE HSSR) was a European Union-funded project implemented from 2011 to 2015. The project consortium partners worked together to expand access to research training and to build the research capacity of post-graduate students. This paper presents a case study of the first course in the project, which focused on a meta-analysis of diagnostic accuracy studies and was delivered in 2013 through collaboration by universities in Uganda, Sweden and South Africa. METHODS: We conducted a mixed-methods case study involving student course evaluations, participant observation, interviews with teaching faculty and student feedback collected through group discussion. Quantitative data were analysed using frequencies, and qualitative data using thematic analysis. RESULTS: A traditional face-to-face course was adapted for BL using a mixture of online resources and materials, synchronous online interaction between students and teachers across different countries complemented by face-to-face meetings, and in-class interaction between students and tutors. Synchronous online discussions led by Makerere University were the central learning technique in the course. The learners appreciated the BL design and reported that they were highly motivated and actively engaged throughout the course. The teams implementing the course were small, with individual faculty members and staff members carrying out many extra responsibilities; yet, some necessary competencies for course design were not available. CONCLUSIONS: BL is a feasible approach to simultaneously draw globally available skills into cross-national, high-level skills training in multiple countries. This method can overcome access barriers to research methods courses and can offer engaging formats and personalised learning experiences. BL enables teaching and learning from experts and peers across the globe with minimal disruption to students' daily schedules. Transforming a face-to-face course into a blended course that fulfils its full potential requires concerted effort and dedicated technological and pedagogical support.
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 | 0,010 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,011 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».