Row-by-Column, Plexiglass & Zoom, Oh My! A K-12 COVID-19 Storm / A Pilot
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
We are 21 years into the 21st century, and educational practices across North America were woefully unprepared to ‘flip the switch’ to online learning; at times no education occurred at all, not online or onsite. The COVID-19 pandemic disruptor storm peeled off the layers of blindfolds time accrued in an instant. Issues included three areas. Area one—unpreparedness: digital illiteracy relative to online learning and corresponding teaching models, equity issues pertaining to internet access and computer access, platforms that varied and were unreliable. Area two—inconsistent: (if any) guidelines on how to teach onsite, or those from a disease control group dictating a six-foot distancing, masks, plexiglass, and row-by-column with eyes facing forward (back to a 19th century teaching didactic model), and smaller class sizes. Area three-time/space continuum: the combining of online and onsite, teaching loads, and maintenance. This ‘alpha’ research study tried to capture a historic moment in time. A Human-centered Research Design (HcRD) protocol with three techniques to mitigate bias was used: (1) online survey, (2) focused interviews, and (3) crowd-sourced photographic content across two countries—USA and Canada as a convenience sample. The findings will reveal a ‘just-in-time’ snap shot of the tactics used pre- and current-, as well as ideas for post-pandemic—this research’s differentiator. The storm of COVID-19 played unprecedented havoc on schools across North America, but there are important learnings and these, along with some insights will be shared.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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