MétaCan
Menu
Retour à la cohorte
Enregistrement W3167274619 · doi:10.1096/fasebj.2021.35.s1.02165

Physiology educators’ attitudes, experiences and recommendations after an abrupt transition to remote laboratories

2021· article· en· W3167274619 sur OpenAlexaffabout
Julia Choate, Nancy Aguilar‐Roca, Elizabeth A. H. Beckett, Sarah J. Etherington, Michelle French, Voula Gaganis, Charlotte Haigh, Derek Anthony Scott, Terrence Sweeney, John Zubek

Notice bibliographique

RevueThe FASEB Journal · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCurriculumMedical educationCoronavirus disease 2019 (COVID-19)Thematic analysisDistance educationPandemicPsychologyMedicinePedagogySociologyQualitative research

Résumé

récupéré en direct d'OpenAlex

The COVID‐19 pandemic has been associated with university lockdowns, forcing physiology educators to pivot laboratories into a remote delivery format. This study documents the experiences of ten physiology educators from Australia, Canada, the U.S. and the U.K. as they rapidly transitioned to remote laboratories in March‐July, 2020. They wrote reflective narratives that explored their experiences and attitudes about virtual laboratories before, during and after the transition to remote delivery. Thematic analysis of the reflections found that before COVID‐19, few of the educators had utilized virtual laboratories, with most believing that virtual laboratories could not replace the in‐person laboratory experience. In response to university lockdowns, the educators transitioned from traditional on‐campus, in‐person laboratories to off‐campus, remote laboratories within a week or less. This transition was mainly achieved by using commercially available online laboratory software, home‐made videos and sample experimental data (collected before COVID‐19). Opportunities associated with the remote transition included new collaborations (local and international), the exploration of unfamiliar technologies and revisiting the laboratory course curriculum and structure. However, the experience also generated challenges including excessive workloads, lack of expertise, disparities in online and workspace access, academic integrity issues, educator/student stress, changes in learning outcomes and a perceived reduction in student engagement (particularly due to the loss of educator‐student and student‐student interactions). Despite these challenges, most of the educators planned on retaining successful aspects of the remote laboratories post‐pandemic, particularly with a blended model of remote and in‐person (on‐campus) laboratories. This study concludes with recommendations and practical strategies for physiology educators as to how they can plan, develop, deliver and assess effective remote laboratories.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,275
Score d'incertitude au seuil0,249

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,254
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetBiomedical and Engineering EducationTravaux en français237 207