MétaCan
Menu
Retour à la cohorte
Enregistrement W4309697525 · doi:10.14742/apubs.2022.174

UDL Implementation in Higher Education: Drawing lessons from the COVID online pivot and reconnecting with inclusive design in the face-to-face classroom

2022· article· en· W4309697525 sur OpenAlexaff
Frédéric Fovet

Notice bibliographique

RevueASCILITE Publications · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueDisability Education and Employment
Établissements canadiensThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésMindsetUniversal Design for LearningInclusion (mineral)Coronavirus disease 2019 (COVID-19)Universal designPedagogyHigher educationPsychologySession (web analytics)Face (sociological concept)Medical educationPolitical scienceSociologyPublic relationsMedicineComputer scienceSocial psychologySocial science

Résumé

récupéré en direct d'OpenAlex

After two decades of advocacy across North American campuses, it is fair to assert that Universal Design for Learning (UDL) is finally having an impact on the inclusion of students with disabilities across campuses (Schreffler et al., 2019). It is helping shift instructors and departments away from medical model approaches to students with disabilities (Edwards et al., 2022), and facilitating the adoption of the social model of disability in classroom practices (Fovet, 2014). In 2020, however, the COVID-19 pandemic forced campus closures and an overnight shift to online instruction and assessment across the world (Hodges et al, 2020). Many have argued that this pivot has helped increase awareness of accessibility and has developed inclusive design as a mindset among instructors (Dhawan, 2020). Equally numerous are researchers and practitioners who feel that the pandemic has weakened institutions’ commitment to inclusion, made accessible learning more difficult to achieve, and generally hindered the development of UDL in higher education (Napierala et al., 2022). This dichotomy in perspectives is pervasive and encountered in most jurisdictions; it demonstrates the need for higher educators to ‘reconnect’ despite these lived experiences and to journey collectively and collaboratively towards more inclusive practices, in this period of healing. This interactive session will lead the audience in assessing to what extent each of these assertions might be true, and how campuses can draw important lessons from these experiences, in relation to UDL implementation – particularly in Technology Enhanced Environments (TELs). It will examine how researchers and practitioners must draw from lessons learnt in online teaching and learning in these two disruptive years to ‘reconnect’ with the inclusive design mindset et advance UDL implementation as they return to the fade to face classroom. It will demonstrate how sometimes difficult and rushed reflections around inclusive design in TELs that occurred during the global health crisis, now have the potential to radically overhaul previous attitudes and assumptions, and to erode initial resistance to inclusive design as a mindset. The presentation draws from multiple interactive workshops which have been offered to UDL advocates and faculty throughout the pandemic. It presents the analysis of phenomenological data gathered throughout these professional development sessions.

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)0,034
score de la tête « metaresearch » (Gemma)0,034
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,181

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,034
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0150,022
Communication savante0,0190,020
Science ouverte0,0050,021
Intégrité de la recherche0,0070,014
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,121
Tête enseignante GPT0,416
Écart entre enseignants0,295 · 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'étudeQualitatif
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

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASCILITE PublicationsMême sujetDisability Education and EmploymentTravaux en français237 207