MétaCan
Menu
Retour à la cohorte
Enregistrement W4291178546 · doi:10.55849/jiltech.v1i2.82

Strategies for Parent Involvement During Distance Learning in Arabic Lessons in Elementary Schools

2022· article· en· W4291178546 sur OpenAlexaff
Amanda Kartel, Malcolm Charles, Hilsheimer Xiao, Debasish Sundi

Notice bibliographique

RevueJournal International of Lingua and Technology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducational Methods and Media Use
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésActive listeningThe InternetProcess (computing)PsychologyDistance educationAsk priceData collectionMathematics educationMedical educationComputer scienceMedicineWorld Wide WebSociologyCommunicationBusiness

Résumé

récupéré en direct d'OpenAlex

This study aims to find various obstacles, describe, and provide strategies for parents when accompanying and providing direction to their children in distance learning. The method used in this research is the interview method. Interview, observation, listening, and note-taking techniques are data collection techniques used. The results of this study indicate that there are barriers for parents in distance learning. Among them are difficult internet signals, expensive internet quotas, and parents who are not able to fully guide and understand the material, so you have to ask your friends directly. The role of parents is very conducive to the academic success of a child. Always encourage and have innovations in child supervision so that children do not feel bored or even stressed in learning. There needs to be smooth coordination between parents and teachers. This assessment is needed to improve student learning outcomes. In the application of the home learning system, parents play an important role in the student learning process in the distance learning process at home today.

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)0,004
score de la tête « metaresearch » (Gemma)0,010
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 enseignants0,004
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,000
Communication savante0,0010,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,034
Tête enseignante GPT0,357
Écart entre enseignants0,323 · 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

Citations67
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal International of Lingua and TechnologyMême sujetEducational Methods and Media UseTravaux en français237 207