ICT Interactions and COVID-19 – A Theorization Across Two Pandemic Waves
Notice bibliographique
Résumé
The COVID-19 pandemic instigated the rapid shift to remote work and virtual interactions, constituting a new normal of professional interaction over information and communication technologies (ICT), such as videoconferencing platforms, email, and mobile devices. While ICT may provide many benefits for remote work, such as flexibility, reductions in travel time, and geographical interaction, ICT may also contribute to increases in job strain, reductions in social interactions, and the decline of mental health. While reliance on ICT for remote work interactions is becoming the new normal of organizational activity, scholarly appreciation of the stages in which employees, particularly educators, enact interactions over ICT is limited. Further, the intensity of the pandemic is unlike anything management scholars have studied before, and previous research into ICT use offers little insight into how ICT behaviors evolve over time. Our research explores how educators enact ICT interactions with students throughout the first two waves of the COVID-19 pandemic. We conducted 24 open-ended interviews with educators to learn about their experiences shifting to ICT for virtual classes. We found that ICT interactions between educators and students are enacted through two sequential, interrelated stages:divergent interaction behaviorsandconvergent interaction behaviors, with each stage corresponding to the first and second waves of the pandemic. We delineate the phases within each enacting stage of ICT interaction and conjecture that future use of ICT may include iterative cycles of divergent and convergent interaction behaviors, particularly if educators explore how to leverage ICT in more creative ways. Our research presents a theorization of ICT interaction as an increasingly prevalent form of IT-enabled educational interactions and communication. We provide insight into how educators successfully shifted to ICT use for remote work, and we offer implications for the facilitation of hybrid work arrangements in educational settings using ICT.
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 | 0,008 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,008 | 0,033 |
| Communication savante | 0,011 | 0,022 |
| Science ouverte | 0,002 | 0,012 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».