Digital Practices & Applications in a Covid-19 Culture
Notice bibliographique
Résumé
This article addresses reflections of one University instructor’s teaching and her pre-teacher education students’ innovative digital learning practices during the Covid-19 pandemic in Spring 2020. The question of How has one instructor embedded digital practices in her virtual teaching to engage and purposefully introduce and connect pre-teacher education students with diverse technologies and multimodalities of learning during a mandatory virtual instruction time? will be addressed and discussed. Student-centered practices such as group work, pair work, the use of Zoom breakout rooms, and multimodal literary responses through technology applications such as Flipgrid and Google Docs will be described and reflected upon. The instructor’s own teaching practices that have included weekly mentoring meetings with her education students and continuing individual coffee meetings in diverse settings will be highlighted as ways of demonstrating care and encouragement toward face-to-face students who have been transitioned as online students. The reflections outlined in this abstract draw upon the notion of technologies as providers of active interactions and will include snapshots of an instructors’ students’ digital artifacts such as Flipgrid, video-recorded monologues, and Google Doc news stories with students reflecting on the uses of multimodal technologies in their own future teaching practices. This manuscript will also include student reflections and a sidebar of suggestions for using Zoom with virtual teaching.
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 | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,028 | 0,030 |
| Communication savante | 0,018 | 0,008 |
| Science ouverte | 0,002 | 0,023 |
| Intégrité de la recherche | 0,003 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».