Inquiring tweets want to know: #Edchat supports for #RemoteTeaching during COVID‐19
Notice bibliographique
Résumé
Abstract Social media use has spiked around the world during the COVID‐19 global pandemic as people reach out for news, information, social connections, and support in their daily lives. Past work on professional learning networks (PLNs) has shown that teachers also use social media to find supports for their teaching and ongoing professional development. This paper offers quantitative analysis of over a half million Twitter #Edchat tweets as well as qualitative content analysis of teachers’ question tweets ( n = 1054) and teacher interviews ( n = 4). These data and analyses provide evidence of the kinds of supports that teachers in the United States and Canada sought on social media during the rapid transition to emergency remote teaching in Spring 2020 and how these supports informed teaching practices. These results provide insights into PLN theory and teachers’ social media use during times of disruption and crisis. Practitioner notes What is already known about this topic Prior to the spring 2020 pandemic, teachers turned to social media to find supports for teaching and just‐in‐time professional development (PD). #Edchat, one of the oldest and most used educational hashtags on Twitter, supports education‐related conversations, frequently self‐promotional rather than collaborative. The COVID‐19 pandemic disrupted educational systems globally and created new demands on teacher PD during transitions to emergency remote teaching and learning. What this paper adds Teachers’ professional learning networks (PLN) on social media can be flexible around contextual circumstances and users’ needs. #Edchat discourse can move beyond self‐promotion to inquiry with benefits for professional learning. Education‐related response networks on social media are useful to teachers in emergency situations (and beyond them) where just‐in‐time professional learning needs and questions surpass local PD capacity. Implications for practice and/or policy Teachers should increase capacities inquiring discourses on Twitter. Education stakeholders should increase support for teachers’ agency and advocate for broader conceptions and approaches to PD that incorporate PLNs spanning social media.
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 | 0,002 | 0,013 |
| 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 | 0,001 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 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 ».