Desafíos de las instituciones educativas después de la pandemia
Notice bibliographique
Résumé
Al hablar de desafíos en las instituciones educativas se marca un antes y después de la pandemia, sabiendo que la venida de la COVID-19 ha dado un referente sin igual en la historia, y ha dado paso a cambios de estructuras políticas, sociales, económicas, siendo la educación un segmento donde se ha dado un cambio continuo, varios son los autores que hablan de esta temática, y consideran que se ha pasado de la educación presencial a la cien por ciento virtual, esto a su vez ha dado un espacio a replantearse que, en las instituciones educativas es el estudiante quien se ha posicionado como autor principal del conocimiento, mucho más que antes de la pandemia, y el docente se convierte en un guía de este proceso de aprendizaje, a la par, se requiere de docentes con alto nivel de liderazgo, empatía y resiliencia para enfrentar los nuevos desafíos después de la pandemia. Otra cuestión que se plantea es la necesidad urgente de incluir cada vez nuevas formas de uso de TIC´s para mejorar la didáctica y metodología del proceso de enseñanza aprendizaje, pero no basta con ello sino que, se requiere enseñar sobre el entorno cambiante al estudiante quien debe tener una formación integral, humanística y encaminada a que su conocimiento beneficie a la comunidad, sobre todo ahora cuando la pandemia ha dejado desequilibrio en todos los ámbitos.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,013 | 0,009 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».