MétaCan
Menu
Retour à la cohorte
Enregistrement W4296657834 · doi:10.5430/jct.v11n6p78

Effectiveness of Distance Learning in Higher Education Institutions under the Martial Law

2022· article· en· W4296657834 sur OpenAlexvenueno aff
Ivan Konovalchuk, Inna Konovalchuk, Оlena Halian, Tetiana Lisovska, Halyna Vatamanіuk, Hanna Reho

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueInnovative Educational Technologies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésInteractivityDistance educationContext (archaeology)UkrainianQuality (philosophy)Higher educationCurriculumThe InternetPsychologySociologyPolitical scienceMathematics educationPedagogyComputer scienceMultimediaLawGeographyWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

The aim of the research was an empirical study of the effectiveness of distance learning in pedagogical HEIs of Ukraine under the martial law. The research involved surveying the subjects of the educational process of Ukrainian HEIs. The survey respondents were the students of pedagogical educational institutions, teachers studying at the advanced training courses, academic staff. The criteria for assessing the effectiveness of distance learning in times of war were the possibility and quality of feedback, access to educational/didactic and methodological content, the possibility and frequency of monitoring performance, consultations, meeting deadlines, interactivity, technical capabilities of Internet access. The survey evidenced the negative impact of the martial law on online learning, the limited interactivity of classes, the unsystematic consultations and monitoring, and poor-quality communication between the subjects of the online educational process. At the same time, the positive impact of the varied approaches of teachers to presenting educational materials to students on the effectiveness of distance learning was confirmed. As a result, students with different technical capabilities were able to access the educational content provided by the curricula. The results of the study can be used by other HEIs of Ukraine in the context of sharing progressive pedagogical practices of distance learning organization in times of war. Further studies involve expanding the research, generalizing the unique experience of higher education of Ukraine in providing distance learning in crisis conditions, and sharing it with the world scientific communities.

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)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,023
Tête enseignante GPT0,306
Écart entre enseignants0,283 · 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'étudeObservationnel
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

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetInnovative Educational TechnologiesTravaux en français237 207