Perspectives of online anatomy teachers: A neglected study population struggles with the invisible student
Notice bibliographique
Résumé
Online teachers are an under-researched population, but their perspectives are crucial to the successful implementation of online education. A fully online section of an established face-to-face (F2F) two-semester undergraduate anatomy course with a prosection laboratory commenced in 2012 at The University of Western Ontario, Canada. Professors' lectures for F2F students were broadcast in live and archived format to online students using Blackboard Collaborate (BBC) video conferencing software. Teaching assistants (TAs) delivered online laboratories using BBC and three-dimensional (3D) anatomical computer models. This study explored the common experiences and issues faced by the course teachers from 2012 to 2014. Transcripts from open-ended, individual interviews with professors (n = 4) and TAs (n = 5) were coded and analyzed thematically. The teachers' concern for their inability to see the students during sessions to assess class engagement and their teaching effectiveness, and to develop social relationships, was the main finding. However, video conferencing software and email were sufficient communication methods for the students' questions and the teachers' answers. The TAs noted usability challenges and anatomical inaccuracies in the 3D models compared to cadavers. Due to limitations of BBC's screen sharing function, live manipulation for the 3D computer models was not possible; however, the TAs found pedagogical value in using screen captures of the models for drawing activities with the students. Overall, preparation time for teaching online was longer than for F2F. The study's findings provide science educators with issues to consider when preparing for online teaching and recommendations to optimize the teaching experience.
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 | 0,000 | 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) | 0,000 | 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 ».