MétaCan
Menu
Retour à la cohorte
Enregistrement W3168426073 · doi:10.1186/s12909-021-02780-y

Distance education during COVID 19: an Italian survey on the university teachers’ perspectives and their emotional conditions

2021· article· en· W3168426073 sur OpenAlexaboutno aff
M Casacchia, Maria Grazia Cifone, Laura Giusti, Leila Fabiani, Roberto Gatto, Loreto Lancia, Benedetta Cinque, Cristina Petrucci, Mario Giannoni, Rodolfo Ippoliti, Anna Rita Frattaroli, Guido Macchiarelli, Rita Roncone

Notice bibliographique

RevueBMC Medical Education · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensnon disponible
Organismes subventionnairesUniversità degli Studi dell'Aquila
Mots-clésCronbach's alphaCoronavirus disease 2019 (COVID-19)PsychologyQuarter (Canadian coin)Medical educationDistance educationBeck Depression InventoryClinical psychologyMedicineAnxietyMathematics educationPsychometricsPsychiatry

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Following the COVID-19 pandemic, distance education (DE) replaced traditional "face-to-face" teaching and has become the main method of teaching. The aim of this study was to 1) evaluate the impact of DE by teachers in our department during the second semester of the 2019-20 academic year following the March-May 2020 Italian national lockdown and 2) evaluate the relationship between DE and the emotional well-being of teachers during the period of home confinement. METHODS: Ninety-seven university teachers (51.5% women; most represented age group 60-69 years range, 40.2%) responded to an anonymous online cross-sectional survey between July 15 - September 30, 2020, on the advantages and disadvantages of DE, developed by one online teacher focus group. The emotional conditions were assessed by a short version of the Beck Depression Inventory-II (BDI-II). The internal consistency reliability survey and the 10-item BDI-II were measured by Cronbach's alpha. A correlation analysis (r-Pearson) was conducted between the overall evaluation of the experience of DE and the variables included in the study. RESULTS: Teachers reported difficulties in technical aspects, and in psychological factors, as the discomfort of "speaking in the void" (64.7%). The absence of "face-to-face" eye contact with the students was complained by 81% of teachers. Significant impairments in sleep patterns and loss of energy were reported, with female teachers having greater difficulty concentrating than their male colleagues. A quarter of teachers showed depressive symptoms of varying severity. The most satisfied teachers were those most stimulated by DE (r = 0.752, p < 0.000), who showed a lower impact of depressive symptoms (r = - 0.289, p = 0.005). The teaching load in hours influenced the perception of disadvantages (r = 0.214, p = 0.035) and contributed to a lower appreciation of the challenges of DE. The more significant the manifestation of depressive symptoms during the lockdown was, the greater the subjective recovery of a good emotional condition once the domestic confinement was over (r = 0.344, p = 0.001), despite maintaining DE. CONCLUSIONS: Our study highlights the impact of technical, didactic, and psychological difficulties of DE, reported by our teachers. The appreciation of their new learning promoted by DE seemed related to better emotional well-being of university teachers accepting this "challenge" in their important role in the high-education system, influencing good learning and promoting students' professional success.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,071
Tête enseignante GPT0,418
Écart entre enseignants0,347 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations119
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Medical EducationMême sujetCOVID-19 and Mental HealthTravaux en français237 207