MétaCan
Menu
Retour à la cohorte
Enregistrement W4309938040 · doi:10.3390/educsci12120857

Teaching and Learning in Higher Education in Bangladesh during the COVID-19 Pandemic: Learning from the Challenges

2022· article· en· W4309938040 sur OpenAlexaff
M. Mahruf C. Shohel, Goutam Roy, Md. Ashrafuzzaman, Rasel Babu

Notice bibliographique

RevueEducation Sciences · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPreparednessHigher educationPandemicGlobeDistance educationPublic relationsProfessional developmentThe InternetPolitical scienceMedical educationCoronavirus disease 2019 (COVID-19)PedagogyMathematics educationPsychologySociologyMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

The higher education sector globally has gone through a transition because of the coronavirus outbreak, and as a result, many traditional higher education institutions across the globe have been forced to go online to provide education and arrange assessments so that their students could continue their education and complete their courses. Unlike developed countries, at the beginning of the lockdown, most of the higher education institutions in Bangladesh shut down their operations, and a few universities started moving toward online distance teaching and learning activities. Based on an empirical study, this article discusses the challenges of teaching and learning in higher education in Bangladesh during the COVID-19 lockdown. It also identifies good practices to overcome those challenges. An online survey was conducted to collect data from university teachers throughout the country. Findings from this study show that it was a great challenge for most universities to adopt online teaching and learning models at the beginning of the pandemic. Many factors, such as preparedness, limited resources including financial means, low digital literacy, internet connectivity and suitable physical and virtual infrastructure affected this transition. However, the findings also show that the COVID-19 pandemic created new opportunities for educators and practitioners to explore various professional development activities by trying out different digital pedagogies through practice and reflection. This article also highlights the immediate effect and long-term impact on teaching and learning regarding preparedness for future approaches to education in emergencies.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0080,003
Communication savante0,0040,002
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0090,001

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.

Tête enseignante Opus0,193
Tête enseignante GPT0,461
Écart entre enseignants0,268 · 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'étudeSans objet
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

Citations33
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducation SciencesMême sujetCOVID-19 and Mental HealthTravaux en français237 207