Teachers Experiences on Remote Learning During the Covid-19 Period
Notice bibliographique
Résumé
The World Health Organization (WHO) declared Covid-19 a global pandemic in March 2020, and warned about its highly contagious nature. Throughout the first quarter of 2020 many governments closed their schools temporarily in response to COVID-19 spread where more than 1.5 billion enrolled students of all ages from all around the globe experienced interruption of education. This aimed at reducing the chances of humans infecting each other with Covid-19, especially in places humans interact closely including educational institutions. This paper explores the experiences of the teachers on remote learning during the covid-19 period in four counties in Kenya gathered through a survey conducted in February 2021, collecting data by administering both open and closed ended questionnaire. The objectives of this study were to establish: availability of digital infrastructure for remote learning; the digital teaching and learning resources used by teachers in remote learning and teachers digital pedagogical skills necessary for remote learning. Distance education and online collaborative learning theories are discussed. A total of 116 teachers in both primary and secondary schools in Kenya responded to a questionnaire consisting of both quantitative and qualitative questions, with qualitative data analysed thematically and quantitative data with descriptive statistics. The result indicates that the teachers faced technological and pedagogical challenges teaching through remote learning. This study is intended to provide an early contribution to the understanding of teachers experiences in remote learning during the pandemic, an historical documentation, a point of reference for similar studies in the future and, hopefully, a first step towards collective reflection on possible avenues of development for our educational system build on informed policy decision making.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,010 | 0,006 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».