MétaCan
Menu
Retour à la cohorte
Enregistrement W2346113981 · doi:10.1111/bjet.12460

Navigating the challenges of delivering secondary school courses by videoconference

2016· article· en· W2346113981 sur OpenAlexaff
Nicole Rehn, Dorit Maor, A. McConney

Notice bibliographique

RevueBritish Journal of Educational Technology · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensAmbrose University
Organismes subventionnairesnon disponible
Mots-clésVideoconferencingLeverage (statistics)FeelingComputer scienceTeleconferenceMultimediaPsychology

Résumé

récupéré en direct d'OpenAlex

Abstract The purpose of this research is to unpack and learn from the experiences of teachers who deliver courses to remote secondary school students by videoconference. School districts are using videoconferencing to connect students and teachers who are separated geographically through regular live, real‐time conferences. Previous studies have shown the inadequacy of videoconferencing to create effective learning communities when used solely as a lecturing tool, but there is limited research into understanding how to mitigate the challenges in order to leverage the tool for what it affords. This collective case study uses qualitative methods to examine those challenges and propose strategies for overcoming them. Five obstacles were identified (insufficient time, feelings of isolation, scheduling and logistics, unreliable technology and limited personal connection) with the following recommendations: leverage supporting tools, intentionally build presence and prioritize the programming within the district.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,944
Score d'incertitude au seuil0,601

Scores Codex et Gemma par catégorie

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

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 Opus0,016
Tête enseignante GPT0,328
Écart entre enseignants0,312 · 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 tête enseignante, pas un consensus.

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

Citations18
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Educational TechnologyMême sujetOnline and Blended LearningTravaux en français237 207