Responding to Covid‐19: A thematic analysis of students' perspectives on modified learning activities during an emergency transition to remote human anatomy education
Notice bibliographique
Résumé
In March 2020, the coronavirus disease 2019 (Covid-19) global pandemic forced many post-secondary institutions to move their teaching online, which had a substantial impact on students enrolled in laboratory-based courses in fields like human anatomy. This descriptive study collected students' perspectives on the transition to remote education, with specific attention to the teaching activities, resources, and assessments used in an undergraduate Clinical Human Visceral Anatomy course at McGill University. Through inductive semantic thematic analysis, student-held values for effective remote education were identified and grouped into the following themes: (1) preferences for communication, (2) values for remote learning activities and resources, (3) values for remote assessment, and (4) perceived positive and negative impacts of remote education on learning. Students generally valued having clear communication, opportunities for both synchronous and asynchronous learning activities, and flexible assessment formats that maintained alignment with the course outcomes and activities. Many felt that remote education had a net-negative impact on their learning, course satisfaction, and sense of community. However, there were no significant differences in grades on laboratory quizzes administered before and after the shutdown (P = 0.443), and grades on the remote final examination were significantly higher than those on the in-person midterm examination (P < 0.001). These findings are discussed in the context of modern educational theories and practices related to remote teaching. Strategies for facilitating a student-centered environment online are also proposed. Future longitudinal research into skill development, learning outcome attainment, and the evolving perspectives of students and instructors operating in remote education contexts is warranted.
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 | 0,013 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,002 | 0,004 |
| 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 ».