Investigating the E-Learning Challenges Faced by Students during Covid-19 in Namibia
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
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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