MétaCan
Menu
Retour à la cohorte
Enregistrement W4223445446 · doi:10.1177/02734753221084585

Teaching, Fast and Slow: Student Perceptions of Emergency Remote Education

2022· article· en· W4223445446 sur OpenAlex
Karen Robson, Adam J. Mills

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Marketing Education · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésCompassionPerceptionContext (archaeology)PsychologySet (abstract data type)Soft skillsMedical educationDistance educationQuality (philosophy)Higher educationPedagogyComputer scienceMedicinePolitical science

Résumé

récupéré en direct d'OpenAlex

This research explores emergency remote education, defined as a rapid, system-wide pivot to remote education in response to emergencies that disrupt normal institutional processes. To do so, we explore student perceptions of the successes and failures of the pivot to online learning at the onset of the COVID-19 pandemic. A mixed-methods survey was distributed to a large sample of university students to explore satisfaction, challenges, opportunities, and instructional needs. Results highlight the importance of faculty hard skills (e.g., technical skills) and soft skills (e.g., compassion), although soft skills were noted more frequently, suggesting that soft skills may be critically important in the context of emergency remote education. Results also reveal that online education in general suffers from a perception as being inherently lower quality than in-person education, and highlight the importance of providing faculty with proper training and support to set them up for success. Based on these results, we provide a number of suggestions for approaching the development, delivery, and support of emergency education and online marketing education in the future.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,709
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,442
Écart entre enseignants0,414 · 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