In-Person Versus Online Learning in Relation to Students’ Perceptions of Mattering During COVID-19: A Brief Report
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.
Notice bibliographique
Résumé
We examined students’ perceptions of mattering during the pandemic in relation to in-person versus online learning in a sample of 6578 Canadian students in Grades 4–12. We found that elementary school students who attended school in-person reported mattering the most, followed by secondary school students who learned part-time in-person and the rest of the time online (blended learning group). The students who felt that they mattered the least were those who learned online full-time during the pandemic (elementary and secondary students). These results were not driven by a selection effect for school choice during the pandemic—our experimental design showed that students’ perceptions of mattering did not differ by current learning modality when they were asked to reflect on their experiences before the pandemic even though some were also learning online full-time at the time they responded to our questions. No gender differences were found. As a validity check, we examined if mattering was correlated with school climate, as it has in past research. Results were similar in that a modest association between mattering and positive school climate was found in both experimental conditions. The results of this brief study show that in-person learning seems to help convey to students that they matter. This is important to know because students who feel like they matter are more protected, resilient, and engaged. Accordingly, mattering is a key educational indicator that ought to be considered when contemplating the merits of remote learning.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle