Lived Experiences of Higher Education Institution Students in Online Learning Classes in the New Normal
Notice bibliographique
Résumé
The challenges brought about by the academic migration to online platform due to COVID-19 pandemic outbreak has long been established. The author of this paper explicitly investigated the attitude of learners towards online classes. This study highlights the issues being encountered by learners enrolled in virtual learning environment along with the importance of having a concrete strategic plan as to how to cope with the current issues being encountered by students to readily adapt to online classes. The results revealed that there were several recurring themes that emerged when asked about their experiences in online classes. Under the key topic (A) effects of online class – (1) difficulty in learning process and (2) affordability and accessibility of time and place. Under the key topic (B) issues and problems experienced in online classes, there were three themes that emerged– (1) issues in internet connectivity, (2) lack of proper resources such as gadgets, and (3) lower productivity rate. In third key topic, (C) the coping mechanisms of students under online learning classes in which there are two themes that emerged – (1) finding alternatives and (2) practice of time management. And in the last key topic, (D) what the participants could recommend improving their learning process under online learning classes. There were two themes that emerged in the focus group discussion – (1) It was concluded in the study that the issues being encountered by students in online classes have an impact not only on their academic performance but also to their psychological well-being.
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 | 0,000 |
| 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 | 0,000 | 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 ».