Socio-Economic Realities of Returned Immigrant Reintegration in Ghana: A Systematic Review
Notice bibliographique
Résumé
The purpose of this study was to elaborate on the different dimensions to conduct an online assessment in undergraduate mathematics. Mathematics assessment using digital technologies is unique because it has special symbols and multi-step solutions. The sudden shift to full online learning necessitated Learning Management System-based online assessment as part of learning and for certification. The research design for this study was a qualitative case study. The case considered for this study was a calculus course and the 180 students registered for the course in 2021 at a South African university. The researcher was the instructor for this course. After explaining the details of conducting the online assessment of mathematics, data was collected on students’ experiences in online assessment using questionnaires and interviews. A conveniently chosen sample of 13 students completed the online questionnaire. A further ten students took part in the telephonic interviews and these were selected conveniently again. Data was composed of written responses to the questionnaires and the transcriptions of the interview audio recordings. After sitting both quizzes and assignments on Blackboard, students preferred the assignment format. This was also suitable for mathematics where there is a need to show steps and proofs in the solution process for both formative and summative assessment. Course instructors hence can effectively administer appropriate formative online assessments on the Learning Management System that has the potential to propel the teaching and learning of mathematics. Keywords: Learning Management System; undergraduate mathematics; online assessment; quizzes; assignments; Blackboard; formative assessment
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 | 0,007 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 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 ».