MétaCan
Menu
Retour à la cohorte
Enregistrement W3102454677 · doi:10.5430/ijhe.v10n1p308

Investigating the E-Learning Challenges Faced by Students during Covid-19 in Namibia

2020· article· en· W3102454677 sur OpenAlexvenueno aff
Godwin Kaisara, Kelvin Joseph Bwalya

Notice bibliographique

RevueInternational Journal of Higher Education · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisThe InternetPublic relationsPolitical sciencePsychologySociologyComputer scienceQualitative researchWorld Wide WebSocial science

Résumé

récupéré en direct d'OpenAlex

Over the past two decades, e-learning has become an increasingly important field of study that has attracted scholarly and policy makers’ attention. Many developing nations have embraced e-learning as a tool to enhance accessilibility and affordability of higher education. During the COVID-19 lockdown period, many universities across the world were forced to embrace online teachning and learning to circumvent lockdowns, social distancing and other public health interventions put in place to contain the spread of the novel coronavirus. Consequently, this study sought to establish students’ experiences with the e-learning mode during the COVID-19 lockdown in Namibia. The paper discusses the results of an online survey of 137 undergraduate students about their experiences using e-learning technologies during the COVID-19-induced university closures. An online survey instrument was created on Google forms and a link distributed to students through WhatsApp class groups. Quantitative data were presented through frequency tables and figures, whilst we adopted thematic content analysis to analyse qualitative data. The results of the survey indicate that mobile devices remained the primary computing device used to access academic information. An analysis of the study results led to the emergence of five themes, viz, e-learning system accessibility, e-learning platform layout, resources to access Internet and network, isolation and home environment that captured student challenges with online classes. This paper argues that e-learning is still faced by a myriad of challenges that need to be addressed if it has to be a success. Furthermore, we advance the argument for mobile learning as a viable option for Africa due to the ubuiquity of mobile devices.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0110,004
Communication savante0,0070,003
Science ouverte0,0020,007
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,048
Tête enseignante GPT0,416
Écart entre enseignants0,368 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations122
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetOnline and Blended LearningTravaux en français237 207