MétaCan
Menu
Retour à la cohorte
Enregistrement W3214203049 · doi:10.3390/challe12020031

Challenges to Learners in Interpreting Self as Other, Post COVID-19

2021· article· en· W3214203049 sur OpenAlexaff
Carol Nash

Notice bibliographique

RevueChallenges · 2021
Typearticle
Langueen
DomainePsychology
ThématiqueCommunication in Education and Healthcare
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPsycheCoronavirus disease 2019 (COVID-19)PsychologyDistancingMentorshipSocial distanceInterpersonal communicationOutgroupSocial psychologyMedicinePsychoanalysisMedical education

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has prompted continuing constraints on the ability of students to interact with teachers and peers. Regarding this imposed segregation, what has not been considered is the effect of learners seeing self as other. With respect to augmentations of their body in interpersonal space by, (1) extending the body through witnessing themselves regularly in videoconferencing learning sessions, (2) isolating the body as a result of spending time apart from peers, social distancing at home, and (3) protecting the body through required mask-wearing where learners now consider who they represent in a mask, there are three important ways in which learners have felt unable to recognize themselves as they did pre-COVID-19. This migration from self to other, involving ingroup/outgroup distinctions, will be investigated from a number of perspectives—both sociological and psychological. Why the turning of self into other is problematic to the psyche will be discussed, as will the possible consequences for this ongoing lack of learner recognition long term, including focus on the new norms or embracing self-directed learning. Based on this analysis, the type of mentorship by teachers and parents that may be appropriate for helping learners contend with these changes will be recommended.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,011
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0070,011
Communication savante0,0110,007
Science ouverte0,0010,007
Intégrité de la recherche0,0020,006
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,176
Tête enseignante GPT0,472
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChallengesMême sujetCommunication in Education and HealthcareTravaux en français237 207