MétaCan
Menu
Retour à la cohorte
Enregistrement W4410193510 · doi:10.19173/irrodl.v26i2.7915

Critiquing the Role of Field Facilitation in Open and Distance Learning Within a Resource-Constrained Environment in the Global South

2025· article· en· W4410193510 sur OpenAlexvenueno aff
Robert Chagwamtsoka Kalima, Carolyn Grant, Sherran Clarence, Sioux McKenna

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueHigher Education Learning Practices
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFacilitationDistance educationField (mathematics)Resource (disambiguation)Educational technologyComputer scienceOpen educationKnowledge managementPsychologyMathematics educationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

Field facilitation is a crucial pedagogical intervention aimed at supporting student learning in resource-constrained open and distance learning environments, particularly in the Global South. This study used second generation activity theory to analyse a field facilitation intervention in an education faculty at a Malawian university, particularly the ways in which student learning and understanding was enabled or undermined while implementing field facilitation. The findings showed that many of the benefits of field facilitation were constrained for a number of reasons related to recruitment and training, pedagogies and understanding of student needs, and the materials and approaches used in field facilitation. For the field facilitation intervention to be fully effective as a means to deepen student learning, it needs to be embedded in the curriculum rather than implemented as an add-on activity, field facilitators need to be fully supported in their role, and the tools and materials available for teaching and tutoring need to be carefully designed within the resource constraints of the learning environment. These findings may inform reflection and further action in similarly resource-constrained contexts that are working to improve the success of open and distance 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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,036
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,191

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,016
Communication savante0,0060,005
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,061
Tête enseignante GPT0,476
Écart entre enseignants0,416 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetHigher Education Learning PracticesTravaux en français237 207