At Home with Technology: Home Educators' Perspectives on Teaching with Technology
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The purpose of this research was to understand how and why home educators are schooling their children using technology. First, I explore how home educators use technology for homeschooling. Second, I investigate how home educators see themselves as teachers when using technology. Several themes emerged from the data revealing that home educators believe technology enables them to provide high quality curriculum and individualized instruction and to create a constructive and engaging learning environment for their children. Data were collected by convenience sampling with a survey of 316 (N = 316) home educators from 52 different territories, states, provinces, and countries across the globe, a nonrandom sample which is not representative of the entire homeschooling population. The quantitative data provide a specific picture of home education, reasons for homeschooling, and home educators’ perceptions of technology use in their homeschool. Qualitative data were obtained through open-ended questions on the questionnaire and through thirteen in-depth interviews with home educators from the United States, Canada, and the United Kingdom. Data analysis was inductive, using a constant comparative methodology to identify meanings and values held by homeschool parents providing an important part of the overall picture. The data in this study show that home educators use technology to evaluate and purchase curriculum, to deliver and supplement instruction, to offer what they see as an appropriate and personalized education, and to gain social, emotional, and professional support from other homeschoolers. Results of this study suggest that using technology to access a wide variety of curricula, to connect with and support fellow teachers, and to provide individualized instruction in an engaging environment might lead to better educational experiences for numerous students and teachers.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découle