Exploring the Feasibility of Deploying Technology Enhanced School-Based Teacher Continuous Professional Development in Internet-Limited Environments in Tanzania
Notice bibliographique
Résumé
In low-income countries, the use of technology to enhance teacher continuous professional development (TCPD) activities has been increasing significantly. However, most technology initiatives related to TCPD require the installation of complex information and communications technology (ICT) infrastructure in schools or availability of reliable Internet connectivity. While installation of ICT infrastructure is costly, the cost of the Internet is unaffordable to most teachers in low-income countries. This study explored the feasibility of deploying Raspberry Pi computers and tablets as micro-servers to facilitate school-based TCPD activities via a learning management system (LMS) without Internet connectivity. Teachers in eight schools in Dar es Salaam and Lindi accessed a TCPD sample module with Raspberry Pi and tablets providing hotspotting and treated as offline local servers hosting a LMS. After the trial, data was collected through focus group discussion, observation, and LMS logs involving 69 teachers. The findings showed that both Raspberry Pi and tablets could be used as micro-servers to provide access to learning resources in offline environments, but Raspberry Pi fared more favorably. Raspberry Pi was easy to set up and connected more devices than did the tablet. However, Raspberry Pi required careful handling as it is a delicate device. Interestingly, there was no significant difference in terms of the performance and cost of the two micro-servers. This study provided further evidence that both Raspberry Pi and tablets could be cost-effective approaches to deliver TCPD activities without installing complex ICT infrastructure or in areas with limited Internet connectivity.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».