MétaCan
Menu
Retour à la cohorte
Enregistrement W4313266728 · doi:10.4018/978-1-6684-6071-9.ch011

Redesigning Curriculum and Using Technologies During Emergency Remote Teaching and Learning in Higher Education in Bangladesh

2022· book-chapter· en· W4313266728 sur OpenAlexaff
M. Mahruf C. Shohel, Rasel Babu, Md. Ashrafuzzaman, Farhan Azim

Notice bibliographique

RevueAdvances in mobile and distance learning book series · 2022
Typebook-chapter
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCurriculumPreparednessCoronavirus disease 2019 (COVID-19)PandemicOnline learningMedical educationEngineeringPedagogySociologyPolitical scienceMedicineComputer scienceMultimedia

Résumé

récupéré en direct d'OpenAlex

This chapter is based on the experiences of academics who redesigned their curriculum during the COVID-19 pandemic to teach remotely in Bangladesh. It examined (1) how the higher educational institutions used their existing curriculum to respond to the emergency and to what extent they could benefit from educational technologies, (2) to what extent it was necessary to redesign the curriculum, and (3) the factors that could be taken into account during the redesigning of the curriculum in light of the emergency and researchers' understanding of the situation. Existing literature has been explored and summarised along with some reflections from practitioners who never taught remotely or online before the pandemic. Findings showed that both teachers and students lacked preparedness for online teaching and learning.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,949
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,344
Écart entre enseignants0,325 · 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 tête enseignante, pas un consensus.

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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in mobile and distance learning book seriesMême sujetCOVID-19 and Mental HealthTravaux en français237 207