Doctoral student reflections of blended learning before and during covid-19
Notice bibliographique
Résumé
Purpose: Our study aimed to address the central research question: how were our experiences as graduate students in a blended learning professional doctoral program changed by the COVID-19 crisis? The study adds to a growing body of literature on blended learning graduate programs. Methods: We employed action research as our central methodology and leveraged narrative inquiry to elevate our (students’) voices. The two participant-researchers responded to a series of questions supported by narrative reflections from their common academic supervisor. Emergent themes were identified in the data using narrative analysis techniques for coding qualitative data into themes. This was followed by a second phase of data collection and analysis after the emergence of the COVID-19 pandemic. Results: The researchers identified four themes within the data: 1. balancing doctoral work with professional and personal responsibilities; 2. cohort provides formal and informal support; 3. individuality of the experience; and 4. supervisory group support. Implications: Our study offers a number of key learnings that may benefit researchers studying blended learning programs. The key learnings suggest benefits to cohort-based, blended learning programs, as well as difficulties that may emerge in the individuality of the experience, when encountering crises, as well as more generally. (DIPF/Orig.)
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 | 0,027 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,008 |
| Communication savante | 0,011 | 0,004 |
| Science ouverte | 0,002 | 0,020 |
| Intégrité de la recherche | 0,004 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».