Reimagining home-based learning through comparisons of alternative schooling methods
Notice bibliographique
Résumé
Moving forward into a post-pandemic world, we can reimagine institutional education systems by reflecting on the lived experiences of emergency home-based learning and exploring the alternative narratives of traditional homeschooling. Having worked in the educational sector of Ontario during the pandemic, I observed families transitioning their homes into blended learning spaces for emergency home-based learning and the challenges that came with this change. Parents found themselves trying to explain teaching materials with no previous training while teachers tried to enforce traditional classroom expectations in households where many children had no remote learning structures in place (Fontenelle-Tereshchuk, 2020; Orelien-Hernandez et al., 2021). In contrast, the growing homeschooling alternative, a blend of home and educational space, had established relational systems to support this kind of community-based pedagogy. This alleviated many of the challenges of multimodal learning and had shown promise in increasing student academic scores, creating alternatives to socioeconomic barriers found in institutional education, and fostering racial protectionism (Mazama & Lundy, 2012; Statistics Canada, 2021a; Van Pelt, 2015). My paper introduces the preliminary questions and discussion of my proposed study for my master’s thesis using place-based pedagogy (Corbett, 2009; Ellsworth, 2005; Gruenewald, 2003; Illich, 1971) to open a conversation around homeschooling as a resource for post-pandemic pedagogical design and development.
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 | 0,019 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,010 |
| Communication savante | 0,012 | 0,009 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».