Experiences of Vocational Education at Community Learning Centers in Cambodia during Covid-19
Notice bibliographique
Résumé
This research aimed to explore the experiences of instructors and learners in vocational education at community learning centers in Cambodia during the pandemic of Covid-19. The samples of this study were instructors and learners who have been involved closely in their academic conduction. The research instrument was the in-depth interview form which was examined by five intellectual experts. The researcher employed the component analysis to analyze the data. The findings of this study revealed the following: Learning conduction of community learning centers in Cambodia during Covid-19 consists of 3 types: 1) Onsite learning management of vocational education, instructors had to limit the number of learners for each class. It was because learners had kept their distance during the educational performance. 2) Distant learning management of vocational education uses online learning platforms such as National Khmer TV, National Khmer Radio, MoEYS Learning Application, and some other social media to conduct education performance. The digital literacy and digital accessibilities were issued and faced for instructors and learners. And 3) On-hand learning management of vocational education, instructors had to find the needs and conduct learning programs for specific targets. In contrast, learners had to integrate learning programs themselves. This study offers several directions to profound implications for future vocational education studies in Cambodia. Furthermore, it may help Cambodia solving the problem of academic conduction, thereby contributing experiences of facilitating and learning to support technical and strategic vocational education for the future development in Cambodia.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,004 | 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) | 0,001 | 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 ».