Curriculum Delivery Through Learning Technologies in Online Classrooms: Challenges and Prospects in Higher Education
Notice bibliographique
Résumé
Higher education institutions in most developing African nations have been classroom-based. This practice has been in place for decades in African countries, with many benefits for stakeholders. Lessons from the COVID-19 pandemic experiences in the global space brought a new approach to curriculum delivery. Universities in most developed countries have expanded, using various digital technologies for teaching and learning. However, the case was a severe challenge in Africa, where many were cut off from teaching and learning activities for months. The study explored the transition from conventional classroom curriculum delivery to online learning as the only alternative approach during the pandemic. Although online learning encourages self-directed learning in students, the study explains the self-determination theory as it underpins online learning. A content analysis of various literature sources on the phenomenon was employed for this systematic review. Findings revealed that many universities in South Africa encountered severe challenges in fully adopting online classes for curriculum delivery. Teaching and learning activities were grounded for months until the Department of Higher Education and Training compelled all to embrace learning technologies to salvage the academic calendar. Rural-based students were reported to be significantly challenged in accessing online learning activities. affirmExtant literature sources affirmed that higher education institutions were unprepared for the sudden transition from conventional classrooms to online learning. Hence, they needed help to take rapid measures to integrate online learning into the system. Many challenges have been encountered in this technological transformation of the teaching and learning approach; the study, therefore, recommends, among others, adequate provision of learning technologies, provision of intense technical know-how support for lecturers for effective use of online 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 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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,014 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».