A Web-Based Program About Sustainable Development Goals Focusing on Digital Learning, Digital Health Literacy, and Nutrition for Professional Development in Ethiopia and Rwanda: Development of a Pedagogical Method
Notice bibliographique
Résumé
BACKGROUND: East African countries face significant societal challenges related to sustainable development goals but have limited resources to address these problems, including a shortage of nutrition experts and health care workers, limited access to physical and digital infrastructure, and a shortage of advanced educational programs and continuing professional development. OBJECTIVE: This study aimed to develop a web-based program for sustainable development with a focus on digital learning, digital health literacy, and child nutrition, targeting government officials and decision-makers at nongovernmental organizations (NGOs) in Ethiopia and Rwanda. METHODS: A web-based program-OneLearns (Online Education for Leaders in Nutrition and Sustainability)-uses a question-based learning methodology. This is a research-based pedagogical method developed within the open learning initiative at Carnegie Mellon University, United States. Participants were recruited during the fall of 2020 from ministries of health, education, and agriculture and NGOs that have public health, nutrition, and education in their missions. The program was conducted during the spring of 2021. RESULTS: Of the 70 applicants, 25 (36%) were selected and remained active throughout the entire program and filled out a pre- and postassessment questionnaire. After the program, of the 25 applicants, 20 (80%, 95% CI 64%-96%) participants reported that their capacity to drive change related to the sustainable development goals as well as child nutrition in their organizations had increased to large extent or to a very large extent. Furthermore, 17 (68%, 95% CI 50%-86%) and 18 (72%, 95% CI 54%-90%) participants reported that their capacity to drive change related to digital health literacy and digital learning had increased to a large extent and to a very large extent, respectively. CONCLUSIONS: Digital learning based on a question-based learning methodology was perceived as a useful method for increasing the capacity to drive change regarding sustainable development among government officials and decision-makers at NGOs in Ethiopia and Rwanda.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 source (Gemma direct ou Codex distillé), 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 ».