Navigating Online Teaching Challenges: Best Practices and Institutional Recommendations for Faculty Support
Notice bibliographique
Résumé
The expansion of online education has transformed higher education, requiring faculty to adapt to new teaching methodologies, technological tools, and institutional policies. This study examines faculty experiences with online teaching, focusing on training, workload, compensation, intellectual property concerns, student engagement, and institutional support. A mixed-methods approach was employed, including survey responses from 40 faculty members and in-depth interviews with 15 participants. Findings reveal that while 72% of faculty found institutional training moderately effective, many preferred peer mentorship and hands-on workshops over traditional professional development sessions. Faculty reported that online course development required significantly more effort than in-person instruction, with 80% spending over 100 hours on initial course design. Compensation disparities were evident, as 40% of faculty received no additional pay or course releases for online course development. Intellectual property concerns emerged, with 45% of faculty uncertain about course ownership policies. Engagement challenges were widely reported, with 70% of faculty struggling to maintain student participation, particularly in asynchronous courses. Faculty identified the digital divide as a persistent barrier to student success. This study underscores the need for institutions to improve faculty training models, establish equitable compensation structures, clarify intellectual property policies, and implement targeted student engagement strategies. Strengthening collaboration between faculty and instructional designers and offering more flexible synchronous and asynchronous learning policies may enhance faculty and student experiences. Future research should explore long-term faculty experiences and institutional approaches to sustainable online education.
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 | 0,047 | 0,077 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,004 |
| Communication savante | 0,021 | 0,018 |
| Science ouverte | 0,007 | 0,017 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».