MétaCan
Menu
Retour à la cohorte
Enregistrement W3197515423 · doi:10.4018/978-1-7998-8275-6.ch029

Strategies for Effective Online Teaching and Learning

2021· book-chapter· en· W3197515423 sur OpenAlexaff
Juan Carlos Mavo Navarro, Breeda McGrath

Notice bibliographique

RevueAdvances in higher education and professional development book series · 2021
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWorkloadOnline learningComputer scienceContext (archaeology)Universal Design for LearningInstructional designCoronavirus disease 2019 (COVID-19)Student engagementDistance educationContent deliveryMultimediaPsychologyMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

This chapter provides readers with a comprehensive review of strategies for effective design in online instruction. The authors explore the traditional debate between advocates and critics of online education and discuss effectiveness in retention, engagement, and overall academic performance. The chapter differentiates between “online-first” course design and emergency remote delivery, as experienced in the context of the COVID-19 pandemic. Key factors include identifying engagement and communication strategies such as “ask me anything” sessions and tailored selection of resources. Open educational resources (OER), pre-recorded lectures, podcasts, and “online-first” textbooks are presented as appropriate and cost-conscious content options. Also included are alternative assessment ideas and universal design for learning (UDL) and accessibility guidelines. The chapter provides a continuum model for the transition of in-person courses to online instruction while conscious of both instructor workload/instructional support and expected level of learner workload and engagement.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,961
Score d'incertitude au seuil0,816

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 technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,020
Tête enseignante GPT0,365
Écart entre enseignants0,344 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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

En bref

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in higher education and professional development book seriesMême sujetOnline and Blended LearningTravaux en français237 207