Finding Our Way Through a Pandemic: Teaching in Alternate Modes of Delivery
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
The COVID-19 pandemic caused a dramatic pivot to online learning and has forced teachers to critically re-evaluate teaching strategies. Thus, the questions, framing this self-study were: 1) How will I be able to do the learning activities I normally do in the classroom online including individual work, group activities, debates, and whole class discussions? and 2) How will I be able to pivot my signature lessons to the alternate delivery model? This self-study of teaching and teacher education practices (S-STTEP) builds on previous research to transform traditional face-to-face lessons into effective online lessons using alternate modes of delivery. In this paper, Ted shares some of his signature lessons including ice-breakers, critical response questions, discussions, group activities, and jigsaws, utilizing Moodle, Big Blue Button, Padlet, Google Docs, and other online tools. With Georgann’s help as a critical friend, Ted critically analyzed his teaching of Master of Education graduate students through S-STTEP. In addition, he explored comparative ethnographic narrative (CEN) as another way of knowing within the S-STTEP space. Data included detailed weekly reflections. In addition, students provided written feedback at the end of each class, and at the end of term through a survey and course evaluation. Ted shared weekly electronic journal reflections and student feedback with Georgann, via email and teleconferences. Then, together Ted and Georgann made meaning from these field texts. The research text evolved from teacher-to-teacher conversations . Promising pedagogies for synchronous and face to face learning were identified with several signature lessons the focus. Georgann, as Ted’s critical friend helped confirm and verify the most significant results amongst the many interesting reflections made.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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