Economies of Scale Through E-Teaching in the Post-COVID Era – Students’ Improvements Recommendations Using Mixed Methods Design
Notice bibliographique
Résumé
This study centers on a retrospective investigation of effective and pedagogic planning of academic digital courses taught during the COVID-19 crisis, from the students’ perspective. We shall focus on the difference between the traditional, teaching-centered paradigm, and the modern learning-centered approach, while emphasizing the formulation of learning outcomes in online study expanses, in light of the learning experience imposed on teachers and students at the various academic institutions.The study explored the learning outcomes from students’ point of view, as well as the benefits and challenges embodied by formulating learning goals in the post-COVID era, according to the learning-centered paradigm, relating to the strengths and weaknesses of the Zoom teaching method from the students’ perspective, predicated on 1,828 students from several institutions. We used a mixed methods design incorporating qualitative and quantitative analysis to develop the Online Teaching Recommendations (SOTR) model. We used Structural Equation Modeling (SEM) for goodness-of-fit.The research findings indicate that the various types of e-learning challenge academic institutions to carry out renewed thinking about the main potential advantage of physical academic institutions where students and teachers meet, talk, and discuss directly and unmediated, compared to virtual bodies of knowledge and teaching that are evolving at present and that are allegedly threatening to render universities irrelevant.
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 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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».