The Future of Higher Education: A Call for Radical Pedagogical Innovation in Post-Pandemic Times
Notice bibliographique
Résumé
The COVID-19 pandemic disrupted higher education globally, revealing both traditional pedagogies' strengths and weaknesses. As institutions turned to online learning, significant gaps in accessibility, digital literacy, and adaptability became apparent. This paper argues for a radical transformation of pedagogical innovation in post-pandemic higher education, advocating for a shift towards more flexible, inclusive, and student-centred learning models to bring the sustainable change we all want. It highlights key strategies, such as hybrid models, personalized learning, active and experiential learning, and rethinking assessment methods. These innovations, supported by digital tools, can better address diverse student needs and prepare learners for a rapidly evolving workforce. Nevertheless, institutional resistance to change, addressing the digital divide, and ensuring scalability remain potential barriers and challenges that must be overcome to achieve it. This paper, therefore, calls for collective and coordinated efforts by higher education institutions, stakeholders and policymakers to drive the required systemic change in higher education. By embracing these innovations, universities can build a more flexible, resilient, equitable, and future-ready education system that moves beyond the limitations of traditional pedagogies. The pandemic offers a unique opportunity to rethink the foundations of higher education and prioritize pedagogical practices that promote critical thinking, adaptability, and lifelong learning in an uncertain world.
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 | 0,021 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,022 |
| Communication savante | 0,020 | 0,030 |
| Science ouverte | 0,003 | 0,015 |
| Intégrité de la recherche | 0,015 | 0,015 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».