A Comparative Study of Distance Teaching in Elementary Schools Between China and the United States Under COVID-19
Notice bibliographique
Résumé
The outbreak and quick spread of COVID-19 quickly shut down almost all educational institutions in different parts the world by mid-March, 2020, presenting severe challenges to educators all over the world. The paper investigated the teaching situation of elementary schools in China and the United States during the epidemic period. The results show that the common challenges faced by the two countries in distance education are: 1) Elementary school students are young and have poor self-control ability, which requires close supervision and cooperation from parents; 2) Teachers’ information technology level is limited, lack of network teaching ability. There are some problems in Distance Education in American elementary schools, such as parents can’t urge students to study at home, digital technology inequality, low online attendance rate and so on, which further exposed the unfair problems in education. The problem of distance learning in elementary schools in China is that the learning resources are mainly subject knowledge, and the ability and methods of teachers to serve students’ autonomous learning are insufficient. American distance learning experience is to make full use of the rich network learning resources and professional distance teaching platform, and pay attention to the cultivation of students’ network autonomous learning ability. China’s distance teaching experience is to give play to the advantages of centralized management, organize famous teachers to record high quality courses, establish the Air Classroom platform, and provide high-quality classroom teaching resources. Therefore, basic education institutions in both countries should strengthen the training of teachers’ distance learning ability, improve the information-based teaching environment, learn from the experiences of both sides, and explore an effective mode of integrating online and offline education resources, so as to meet the challenges of basic education in the post epidemic era.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».