MétaCan
Menu
Retour à la cohorte
Enregistrement W3209721585 · doi:10.5430/ijhe.v11n3p1

The Academic and Social Impact of COVID-19 Among College Students: Perspectives from the United States of America, Cameroon, Ghana, and Nigeria

2021· article· en· W3209721585 sur OpenAlexvenueno aff
Ernest Kaninjing, Ivette A López, Che Wankie, Elizabeth O. Akin Odanye, Roland N. Ndip, Yussif M. Dokurugu, Nicholas Tendongfor, Felix Amissah, Shelley White Means, Christopher Paul, Derrick L. Sauls, Helene Vilme

Notice bibliographique

RevueInternational Journal of Higher Education · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésPandemicThe InternetInternet accessGlobeMedical educationPsychologyFlexibility (engineering)Higher educationDistance educationCoronavirus disease 2019 (COVID-19)MedicinePolitical scienceMathematics educationComputer scienceDiseaseWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The novel coronavirus disease of 2019 (COVID-19) caused disruptions in the delivery of higher education around the globe. To understand how universities and students are dealing with the sudden change from in-person course delivery to online format, this cross-sectional mixed-method study aimed to (a) ascertain the impact of the COVID-19 pandemic on students’ ability to access online learning; (b) examine how college students adapted to changes in the learning/teaching environment; and (c) explore the students’ perspective on measures that institutions of higher learning could have adopted to ease the abrupt transition to online learning. Results indicate a majority of participants in the US reported access to internet and computers for off-campus learning during the COVID-19 pandemic. A little over half of participants from Africa reported internet access during the COVID-19 pandemic (82% of participants from Nigeria and 66.7% from Ghana). Participants from Cameroon reported the lowest percentage of access to online learning at 59.1%. Participants from Africa reported challenges in adapting to online format due to inadequate access to necessary technological resources such as a reliable internet and computer. Participants identified internal and external resources that could have been adopted to better deal with the transition to online learning. Institutions of higher learning can learn from their initial response to the COVID-19 pandemic to formulate and adjust policies that provide flexibility to effectively transition to online learning while catering to the social, educational and health needs of their students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0090,004
Communication savante0,0060,004
Science ouverte0,0010,006
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,477
Écart entre enseignants0,443 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetCOVID-19 and Mental HealthTravaux en français237 207