Online Learning in a South African Higher Education Institution: Determining the Right Connections for the Student
Notice bibliographique
Résumé
<p class="3">Online learning is a means of reaching marginalised and disadvantaged students within South Africa. Nevertheless, these students encounter obstacles in online learning. This research investigates South African students’ opinions regarding online learning, culminating in a model of important connections (facets that connect students to their learning and the institution). Most participants had no prior experience with online learning. Their perceptions and barriers to learning may apply to other developing countries as well.</p><p class="3">A cross-sequential research design was employed using a survey among 58 fourth-year students who were studying a traditional paper-based module via open distance learning. The findings indicated certain essential connections: first, a <em>strong s</em><em>ocial presence </em>(through timely feedback, interaction with facilitators, peer-to-peer contact, discussion forums, and collaborative activities); second, <em>technological aspects</em><strong> </strong>(technology access, online learning self-efficacy, and computer self-efficacy); and third, <em>tools</em><strong> </strong>(web sites, video clips). The study revealed low levels of computer/internet access at home, which is of concern in an ODL milieu heading online. Institutions moving to online learning in developing countries should pay close attention to their students’ situations and perceptions, and develop a path that would accommodate both the disadvantaged and techno-savvy students without compromising quality of education and learning. The article culminates in practical recommendations that encompass the main findings to help guide institutions in developing countries as they move towards online teaching and learning.</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.
Comment cette classification a été obtenuedéplier
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 | 0,008 | 0,005 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».