MétaCan
Menu
Retour à la cohorte
Enregistrement W3184169694 · doi:10.1080/0020739x.2021.1954251

Teaching STEM online at the tertiary level during the COVID-19 pandemic

2021· article· en· W3184169694 sur OpenAlexaff
Mina Sedaghatjou, Janette Hughes, Minnie Liu, Francesca Ferrara, James P. Howard, Maria Flavia Mammana

Notice bibliographique

RevueInternational Journal of Mathematical Education in Science and Technology · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensSimon Fraser UniversityOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicOnline teachingMathematics educationOnline learningDimension (graph theory)Higher education2019-20 coronavirus outbreakPsychologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Medical educationPedagogyComputer sciencePolitical scienceMedicineMultimediaMathematics

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic not only impacted people's lives globally, but also pushed faculty to quickly adapt to an online teaching environment and continue it until the end of the school or academic year. This study is urgently needed to gain an understanding of the challenges STEM faculty members face during the COVID-19 era as they make the transition to teaching online, while many of them engage in this shift for the first time. The initial results of an online survey of 101 International STEM faculty members showed that online evaluation and pedagogy are the most disrupted dimensions of e-learning when instructors struggled to re-orchestrate their teaching during such an unprecedented event. In addition, while the affective domain of teaching is identified as the missing dimension of an e-learning framework, adoption of the new technology is rated as the area of least concern for teaching STEM online.

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)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,494
Score d'incertitude au seuil0,665

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,050
Tête enseignante GPT0,420
Écart entre enseignants0,369 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Mathematical Education in Science and TechnologyMême sujetOnline and Blended LearningTravaux en français237 207