Online Courses in the Higher Education System of Iran: A Stakeholder-Based Investigation of Pre-Service Teachers’ Acceptance, Learning Achievement, and Satisfaction
Notice bibliographique
Résumé
This study focused on the acceptance level of higher education stakeholders of teaching English as a foreign language (TEFL) of online courses in Iran and pre-service teachers’ learning achievement in online courses. Three cohorts of participants who were teaching or learning in online courses included pre-service teachers of TEFL (n=104), TEFL university instructors (n=23), and heads of TEFL departments (n=10). A questionnaire was designed. The Kruskal Wallis test was used to detect differences among the perspectives of the participants. Semi-structured interviews were also utilized. Results indicated that there were significant differences among the perspectives of the three groups of participants about online courses. The pre-service teachers appeared to be relatively positive about online learning, while the university instructors and heads of departments showed a lower level of satisfaction. The participants pointed out several challenges, including the lack of rigor of online courses, the incredibility of the certificates, the lack of technological infrastructures, technical problems, the impractical content of the lessons, the lack of human interaction, the low competence levels of online learning students, and employers’ lack of interest in employing graduates of online courses. The participants also mentioned that pedagogical and technological training was required for both university instructors and pre-service teachers of TEFL. The comparison of pre-service teachers’ mid-term and final scores in the online courses showed a significant difference and improvement of students’ learning achievement in online courses with medium to large effect sizes. In the interviews, the participants also confirmed that online courses could improve student learning.
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 | 0,003 | 0,005 |
| 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 | 0,002 | 0,001 |
| 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 ».