The Impact of Instructors’ Perceptions of E-Learning on the Quality of Online Teaching: A Case Study of the French Language Instructors at the University of Bahrain During COVID-19 Pandemic
Notice bibliographique
Résumé
French language instructors at the University of Bahrain faced many challenges in adapting their teaching practices during the sudden transition to online teaching due to the COVID-19 pandemic. In this case study, we explore the French language instructors’ perceptions of e-learning and their attitudes toward technology during the pandemic as well as their students’ perceptions of the quality of their online teaching. The objective of this study is to analyze the relationship between instructors’ perceptions and teaching performance. We conducted the study during the beginning of the sudden change to online teaching and administered online survey-based data collection instruments to gather information about French language instructors’ perceptions and undergraduate students’ satisfaction with the quality of French language online teaching. One year later, we completed data collection with semi-structured interviews of the instructors’ perceptions and online teaching experience. The findings indicated that despite the abrupt switch to online teaching, instructors showed a prominent level of technology acceptance. However, the results indicated effective online teaching was highly correlated to instructors’ pedagogical preparedness and self-efficacy level. Consequently, this study outlines key factors influencing the efficacy of e-learning, including pedagogical preparedness, instructors’ self-efficacy, and information and communications technology literacy. In addition, in this study we propose implications for instructors’ preparation and development.
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 | 0,009 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».