Social Media Application in Education During the COVID-19 Pandemic; Pros and Cons: A Systematic Review
Notice bibliographique
Résumé
Background: In addition to morbidity and mortality, the COVID-19 pandemic affected various fields such as medical and academic education. The purpose of this study was to investigate the types of social media used in medical and academic education and identify their advantages and disadvantages. Methods: A systematic search of PubMed, Scopus, and Web of Science was conducted to identify published studies related to the effects of social media on medical and academic education during the COVID-19 pandemic. The retrieved records were screened in a two-step process; first by title/abstract and then by full text by two independent researchers and the most relevant studies were selected applying the eligibility criteria. Results: Facebook, YouTube, Zoom, WhatsApp, Moodle, and Skype were the most used platforms. The main purpose of using these applications was to provide distance education to students in the pandemic era. The advantages of using online platforms outweighed the disadvantages. Advantages include the availability of information at any time and place, maintaining communication between students and classmates and instructors, and the possibility of presenting conferences and assignments. Disadvantages comprised infrastructure and internet problems. Conclusion: Social media and messengers have a great potential to meet educational purposes in the epidemic era. Although online platforms can serve as an efficient public repository of learning resources, achieving this needs some prerequisite and infrastructural tasks.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,030 | 0,239 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».