Aprendizaje universitario entre el aula presencial y remota, un análisis después de la pandemia - [University learning between the face-to-face and remote classroom, an analysis after the pandemic]
Notice bibliographique
Résumé
La crisis sanitaria producto del virus SARS-COV-2 estremeció a la humanidad de múltiples maneras, siendo una de estas la educación universitaria. En México como en muchos otros países, el aula presencial experimentó una abrupta transición al aula remota; cambio que tomó por sorpresa a todos los involucrados, evidenciando múltiples dificultades, carencias y necesidades. A un año del retorno a clases presenciales, se analiza las diferencias, ventajas y desventajas del aprendizaje entre la modalidad presencial y remota, desde la percepción del alumnado de una universidad en México. Se siguió un enfoque cuantitativo de tipo descriptivo, considerando un muestreo no probabilístico y por conveniencia, utilizando como instrumento la encuesta. Los resultados revelan ventajas en ambos modelos, no obstante, los informantes develan que la modalidad presencial ofrece las mejores condiciones para la enseñanza-aprendizaje. Desde una visión prospectiva, se identifica que la diligente estructuración de un modelo hibrido convendría ser tomada en cuenta de cara a mejorar la formación universitaria. Morales-Holguín, Arodi; Jacott-Campoy, José Luis; Moraga-Ríos, Oscar David; Hurtado-Abril, María de La Concepción; Mendoza-Morales, Gabriel
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».