Peculiarities Of Student Distance Learning In Emergency Situation Condition
Notice bibliographique
Résumé
The article outlines the contemporary issues of distance learning and the use of the Internet by students during the outbreak of pandemic. The conducted research demonstrates student attitude towards distance learning, its advantages and disadvantages, student perception and acquisition of lecture and seminar material, implementation of online trainings and practical classes. The purpose of this article is to investigate student behavioral, cognitive and emotional reactions to forced distance learning conditions. The authors assume that students, being members of Generation Z, can easily adapt to the new learning environment, quickly organize the learning process, as well as choose preferable online learning platforms. The research proves that 66% of students need from 2 to 4 hours for distance learning; 22% spend from 4 to 6 hours studying remotely and only 12% spend less than 2 hours a day studying in a new way. One third of students (36%) consider the distance learning system quite comfortable, 8% – very comfortable, while a quarter of the respondents (25%) have neutral attitude towards online learning technologies. Students choose the following distance learning platforms the most often: Google Meet (94%) and Moodle (70%). They also use Zoom, Skype, Viber and Telegram in order to keep in touch with teachers and fulfil studying purposes. 19% of students regard distance learning as of a high quality, whereas 75% are currently neutral about this way of learning and only 6% of the respondents consider these necessary innovations ineffective.
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 | 0,000 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».