Student experiences of participating in five collaborative blended learning courses in Africa and Asia: a survey
Notice bibliographique
Résumé
BACKGROUND: As blended learning (BL; a combination of face-to-face and e-learning methods) becomes more commonplace, it is important to assess whether students find it useful for their studies. ARCADE HSSR and ARCADE RSDH (African Regional Capacity Development for Health Systems and Services Research; Asian Regional Capacity Development for Research on Social Determinants of Health) were unique capacity-building projects, focusing on developing BL in Africa and Asia on issues related to global health. OBJECTIVE: We aimed to evaluate the student experience of participating in any of five ARCADE BL courses implemented collaboratively at institutions from Africa, Asia, and Europe. DESIGN: A post-course student survey with 118 students was conducted. The data were collected using email or through an e-learning platform. Data were analysed with SAS, using bivariate and multiple logistic regression. We focused on the associations between various demographic and experience variables and student-reported overall perceptions of the courses. RESULTS: =0.0036, OR=0.165; 95% CI: 0.049-0.555) were found to be associated with a more positive perception of BL, as measured by student rating of the overall helpfulness of the e-learning component to their studies. In contrast, perceiving the assessment as adequate was associated with a worse perception of overall usefulness. In a multiple regression, the course, experiencing no technical problems, and perceiving the discussion as adequate remained significantly associated with a more positively rated perception of the usefulness of the online component of the blended courses. DISCUSSION: The results suggest that lack of technical problems and functioning discussion forums are of importance during BL courses focusing on global health-related topics. Through paying attention to these aspects, global health education could be provided using BL approaches to student satisfaction.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».