COVID-19: Ensuring Continuity of Learning During Scholastic Disruption in Tertiary Institutions in Nigeria
Notice bibliographique
Résumé
Issues concerning learning during educational disruption due to the Covid-19 pandemic have been the subject of many excellent journalistic accounts, but there has not been much scholarly output addressing the experience. The need to maintain social distance poses a significant challenge to the international communities particularly between populations, educators and students. Though elicited by COVID-19 pandemic, the focal point of this challenge remains how to offer learning opportunities to students while stakeholders make efforts to contain an awfully virulent pandemic. In Europe and elsewhere, technology has helped with distance learning; assisting individuals on the margins of society and those in formal economy to achieve learning objectives despite a compulsory social distance regime. In other areas of the world such as Africa, correlation between technology and affordability has become a new frontier for continuing education. Encumbrances brought about by COVID-19 have deeply subverted education, state security, sociopolitical stability and economic development, which in turn create or preserve untoward anomaly. In this light, Africa has become the ground zero of disorientation where disorganized criminal groups fester due to poor education and fewer opportunities. The article examines the effect of COVID-19 in the continuing tertiary education relations and concludes that while blended learning is conceivable in Nigeria, rural schools might not benefit from the programme due to truncated development in communication and low level of technology. The use of affordable Internet Radio is thus, recommended for Nigeria.
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 | 0,002 | 0,004 |
| 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 | 0,004 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».