An Imperative for the National Public Health School in Burkina Faso to Promote the Use of Information and Communication Technologies in Education During the COVID-19 Pandemic: Critical Analysis
Notice bibliographique
Résumé
BACKGROUND: Several studies have reported the positive impact of information and communication technologies (ICTs) on academic performance and outcomes. Although some equipment is available, the ICTs for education at the National Public Health School (NPHS) of Burkina Faso have many shortcomings. These shortcomings were clearly revealed during the search for responses to the crisis caused by the COVID-19 pandemic. Indeed, to curb the spread of COVID-19, some measures were taken, such as closure of educational institutions. This resulted in a 2.5-month suspension of educational activities. Despite its willingness, the NPHS was unable to use ICTs to continue teaching during the closure period of educational institutions. OBJECTIVE: In this paper, we aim to propose practical solutions to promote ICT use in teaching at the NPHS by analyzing the weaknesses and challenges related to its use. METHODS: We conducted a critical analysis based on information from the gray literature of NPHS. This critical analysis was preceded by a review of systematic reviews on barriers and facilitating factors to using ICTs in higher education and a systematic review of ICT use during the COVID-19 pandemic in higher education. An ICT integration model and a clustering of ICT integration factors guided the analysis. RESULTS: The weaknesses and challenges identified relate to the infrastructure and equipment for the use of ICTs in pedagogical situations in face-to-face and distance learning; training of actors, namely the teachers and students; availability of qualified resource persons and adequate and specific financial resources; motivation of teachers; and stage of use of ICTs. CONCLUSIONS: To promote the use of ICTs in teaching at the NPHS, actions must be performed to strengthen the infrastructure and equipment, human resources, the skills of actors and the motivation of teachers in the pedagogical use of ICTs.
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 | 0,097 | 0,145 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,009 | 0,010 |
| Communication savante | 0,017 | 0,018 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,006 | 0,008 |
| 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 ».