Learning in Higher Education Under the Covid-19 Pandemic: Were Students More Engaged or Less?
Notice bibliographique
Résumé
This study explored students’ learning experiences in higher education during the Covid-19 pandemic. A journal writing methodology was used to extract learners’ reflective thoughts regarding their living and learning during the pandemic outbreak. The results were interpreted through the views of relevant student engagement frameworks. The students’ structural factors (family, support, and pressure) were impacted because of political and sociocultural factors (restrictive measures in response to the pandemic outbreak) within which the university factors were embedded (total closure with online education, subsequent reopening allowing physical attendance, and later principal distance education with approved exceptions), which collectively and psychosocially influenced students’ life and studies. The learners self-adapted via their individual efficacy to tackle the unfamiliar situations by digitally reaching out to family/friends and enhancing skills/self-learning; learner differences in learning style and preferences were noted. Online courses offered flexibility for learning independent of time and space while social presence in the learning community during online lessons remained less effective; traditional values of face-to-face physical classrooms were recognised among some learners. Learners’ perceived effective engaging measures underscored the importance of ensuring learner well-being (counselling and mask-wearing), learning independence (online lecture recordings and optional attendance), and strengthening online learning experiences (building the learning community, enhancing class dialogue, and demonstrating problem-solving techniques). Recommendations for engaging learning were discussed.
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 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 | 0,037 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».