MétaCan
Menu
Retour à la cohorte
Enregistrement W3191909034 · doi:10.1016/j.chbr.2021.100130

Transition to online learning during the COVID-19 pandemic

2021· article· en· W3191909034 sur OpenAlexaff
David John Lemay, Paul Bazelais, Tenzin Doleck

Notice bibliographique

RevueComputers in Human Behavior Reports · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensSimon Fraser UniversityJohn Abbott CollegeMcGill University
Organismes subventionnairesnon disponible
Mots-clésPsychologyContext (archaeology)PandemicSocial distanceSocial isolationActive learning (machine learning)Experiential learningPerceptionDistance educationSocial learningGovernment (linguistics)PedagogyCoronavirus disease 2019 (COVID-19)Computer scienceMedicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: With the new pandemic reality that has beset us, teaching and learning activities have been thrust online. While much research has explored student perceptions of online and distance learning, none has had a social laboratory to study the effects of an enforced transition on student perceptions of online learning. PURPOSE: We surveyed students about their perceptions of online learning before and after the transition to online learning. As student perceptions are influenced by a range of contextual and institutional factors beyond the classroom, we expected that students would be overall sanguine to the project given that access, technology integration, and family and government support during the pandemic shutdown would mitigate the negative consequences. RESULTS: Students overall reported positive academic outcomes. However, students reported increased stress and anxiety and difficulties concentrating, suggesting that the obstacles to fully online learning were not only technological and instructional challenges but also social and affective challenges of isolation and social distancing. CONCLUSION: Our analysis shows that the specific context of the pandemic disrupted more than normal teaching and learning activities. Whereas students generally responded positively to the transition, their reluctance to continue learning online and the added stress and workload show the limits of this large scale social experiment. In addition to the technical and pedagogical dimensions, successfully supporting students in online learning environments will require that teachers and educational technologists attend to the social and affective dimensions of online learning as well.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
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 savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
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 Opus0,115
Tête enseignante GPT0,445
Écart entre enseignants0,330 · 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

Citations370
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueComputers in Human Behavior ReportsMême sujetCOVID-19 and Mental HealthTravaux en français237 207