Literacy Clinics During COVID-19: Voices that Envision the Future
Notice bibliographique
Résumé
The resiliency of literacy clinics was tested during 2020–2021, as many pivoted from in-person (F2F) to online or 3-way remote learning because of the COVID-19 pandemic. University-based literacy clinics advance teacher education, provide services to K-12 students who may need instructional support, and are a laboratory for research. The purpose of the study was to examine modifications in literacy instruction and assessment as a consequence of the changes in modality. Participants (n = 58) were literacy clinic directors/instructors from multiple states and countries. Data were analyzed in three phases: researchers individually coded; multiple teams cross-checked; a macro team collated across themes. Alterations during the pandemic involved place, time, types of texts, innovative instructional tools, and new ways of operationalizing literacy assessment and instruction. Some clinics used technology to transform instruction and innovate, while for others the goal was to replicate existing practices. Teachers, students in the context of their families, and teacher educators demonstrated resiliency, resourcefulness, and creativity in the face of interruptions and stress. Findings, viewed through the lens of the TPACK framework, can help us understand how transformations in instruction and assessment affect literacy learning not only in the context of clinics, but in school classrooms as well.
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 | 0,011 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,016 | 0,010 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,005 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».