Teaching in the time of COVID
Notice bibliographique
Résumé
This essay arose as a response to teaching the final post-graduate course in the taught master's programme of the Faculty of Education at Brock University (St. Catharine’s Ontario Canada) in the spring and autumn of 2020, just after the onset of the COVID-19 pandemic triggered the complete closures of schools and universities. Three students wrote about their relationships with teaching in the time of COVID. An experienced middle-school teacher discusses how the transition to suddenly homeschooling her five-year-old focused her attention on distinctions between curriculum-driven education and maternal teaching. A newly graduated teacher, concerned about the complete cancellation of extra-curricular sport programmes researches their histories. She discovers the ways in which intercollegiate sport, especially in the United States, transformed what had been healthy competition between undergraduate teams of students into multi-million-dollar businesses driving university revenue streams, eclipsing academic life and exploiting student athletes. In the United States, with academic institutions limiting or prohibiting in-person instruction in 2020-201, basketball and football teams competed. COVID spiked and people died. A nurse-educator, faced with the sudden requirement to remove of all nursing students from their required clinical placements at the onset of the pandemic writes about recalibrating the relationships between virtual experience (including simulations) and practical experience in nursing instruction. Given the vulnerability of clinical placements to sudden closures (SARS in 2003 had been a warning), the nurse-educator explains why it is time to determine which programme components could best be moved online. The contributions by the three students are framed by the professor's own adaptation to an online environment, including her development of asynchronous iMovie instruction combined with short synchronous seminars (with no more than five students at a time) and one-on-one tutorials.
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 | 0,004 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,028 | 0,024 |
| Communication savante | 0,016 | 0,007 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,002 |
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 ».