SHAPING ONLINE PEDAGOGY: FACULTY EXPERIENCES ON INSTRUCTIONAL DESIGN AND ODEL COURSE DEVELOPMENT IN A PRIVATE UNIVERSITY IN KENYA
Notice bibliographique
Résumé
Open Distance and e-Learning is a global phenomenon which has grown exponentially in institutions of higher learning. Among the strategic areas in provision of quality services in ODeL is the provision of instructional materials. Instructional materials statistically and significantly, positively influence the academic performance of distance learning students. University of Eastern Africa, Baraton, embarked on the journey to create instructional materials which would enhance the implementation of online learning, through a 2 (two) day workshop on instructional design and ODeL course development. The specific objectives were to describe ADDIE Model and Co-Creation Model, evaluate E-Content Design and Development, including overview of Open Educational Resources (OER), analyze the structure of a blended learning Course material, describe Instructional Material Development including use of OER and develop Instructional Materials including integrating OER. A mixed method study design was used to explore strategies for effective design and development of instructional materials including OER at University of Eastern Africa, Baraton, Kenya. A campus-wide survey assessed knowledge and experience in instructional design for ODeL Course materials, ADDIE model, Co-Creation Model, integration of OER into course, OER repositories, and familiarity with virtual learning platforms, knowledge and experience on Quality Assurance of OER and whether the participants had technical skills in terms of creating ODL content. One hundred (100) staff were purposively engaged for the study through discussions on design and development of instructional materials with pre- and post-workshop surveys capturing individual perspectives. Quantitative data underwent statistical analysis, while qualitative data was thematically analyzed. The study recommended the need for faculty in universities to be trained in e-content design and development for enhancing ODeL program quality,
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,004 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».