Reflections on the Adaptation of a Postgraduate Degree in Water Management from In‐person to Remote Delivery
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.
Notice bibliographique
Résumé
Abstract In early 2020, the COVID‐19 pandemic spurred the rapid adaptation of university course delivery to an online format. Though in‐person delivery partially resumed in the Fall of 2021, future conditions may favor a return to, or addition of, remote delivery. It is therefore important for instructors, program directors, and institutions to capitalize on this learning opportunity and reflect on adaptation measures’ successes (and failures) to inform future online course design. The reworking of McGill University's Master of Science Program in Integrated Water Resources Management (IWRM) provides a case study to evaluate the adaptation of remote teaching of water resource management. Informed by the Community of Inquiry (CoI) framework with a focus on preserving transferable skills, a Strengths, Weaknesses, Opportunities, and Threats (SWOT) analysis was used to evaluate the five core program components. This evaluation framework, which can be applied to most university programs, resulted in several widely relevant insights. For example, remote delivery can create opportunities for greater participation of international students as it eliminates the need for translocation costs. Likewise, a larger variety of guest speakers can participate remotely, giving students greater exposure to different water career paths and research perspectives, ultimately strengthening the program. However, several weaknesses pose threats to online learning. The standard in‐person lecture‐style format must therefore be amended to maintain engagement and facilitate student‐to‐student and student‐to‐instructor learning processes. Course components that can enhance the online experience include breakout rooms, discussion boards, frequent journals/feedback forms, online activities, breaks, virtual office hours, and multi‐media presentations.
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 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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 découle