Finding Our Way Through a Pandemic: Teaching in Alternate Modes of Delivery
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 transformtraditionalface-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 exploredcomparative 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 fromteacher-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.
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 | 0,012 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,011 |
| Communication savante | 0,010 | 0,013 |
| Science ouverte | 0,002 | 0,013 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».