MétaCan
Menu
Retour à la cohorte
Enregistrement W3197913988 · doi:10.11114/jets.v9i8.5310

Digital Tools Faculty Expected Students to Use During the COVID-19 Pandemic in 2021: Problems and Solutions for Future Hybrid and Blended Courses

2021· article· en· W3197913988 sur OpenAlex
Catherine S. Fichten, Alice Havel, Susie Wileman, Mary Jorgensen, Rosie Arcuri, Olivia Ruffolo

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueJournal of Education and Training Studies · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensMcGill UniversityDawson CollegeJewish General Hospital
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicVariety (cybernetics)Mental healthPsychologyBlended learningMedical educationLearning disabilityMathematics educationEducational technologyComputer scienceMedicinePsychiatry

Résumé

récupéré en direct d'OpenAlex

Covid-19 resulted in a pivot to remote teaching and learning in most North American colleges and universities. All of a sudden faculty expected students to use a variety of digital technologies. Here we report on the technologies post-secondary students had to use and on the problems experienced by students with and without disabilities (e.g., mobility and visual impairments, attention deficit hyperactivity disorder, mental health related disabilities). In a sample of 24 post-secondary students, we found a series of problems related to: software and platform issues; connectivity; how professors managed their courses; classmates’ computer behaviors; and equipment issues. We also learned about several beneficial practices and ways to avoid problems that can be retained for future hybrid and blended courses. By giving a voice to post-secondary students our research can inform policies and practices to create a more resilient and inclusive society.

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.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,270

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,291
Tête enseignante GPT0,499
Écart entre enseignants0,208 · 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