MétaCan
Menu
Retour à la cohorte
Enregistrement W4399457056 · doi:10.18806/tesl.v40i2/1391

Remote Learning and First-Year Academic Literacy during the COVID-19 Pandemic

2023· article· en· W4399457056 sur OpenAlexaffvenueabout
Steve Marshall, Joel Heng Hartse, Ismaeil Fazel, Gahyun Son

Notice bibliographique

RevueTESL Canada Journal · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensUniversity of British ColumbiaSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)LiteracySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPsychologyPedagogyMathematics educationVirologyMedicine

Résumé

récupéré en direct d'OpenAlex

During the rapid shift to remote teaching and learning that came with the COVID-19 pandemic early in 2020, for many students and instructors, important interactions and collaborative learning took place via online platforms such as Zoom and Microsoft Teams. Our study focuses specifically on the impacts of remote learning on students who speak and write English as an additional language (EAL) taking academic literacy/writing courses during their first year of study. For these students, the shift from face-to-face to remote learning environments had major impacts on their ability to interact and collaborate with peers, key factors for successful academic literacy development and success in their studies. We present selected data from a one-year study at a university in the Vancouver Metropolitan area, specifically, interviews with EAL students about their experiences in remotely-taught academic literacy classrooms. Our analysis is informed by the theoretical lenses of academic literacies and academic discourse socialization in higher-education contexts, while also considering recent literature on remote learning in higher education. When asked about their experiences in interviews, participants described challenges related to interacting and collaborating with peers, making friends, and developing competence in English language and academic literacy. We conclude by discussing the lessons we can bring forward into the post-remote teaching era. Dans le contexte du virage rapide vers l’enseignement et l’apprentissage à distance qui a accompagné la pandémie du COVID-19 au début de l’année 2020, les interactions importantes et l’apprentissage collaboratif ont eu lieu sur des plateformes en ligne telles que Zoom et Microsoft Teams pour de nombreux étudiants et enseignants. Notre étude examine l’impact de l’apprentissage à distance sur des étudiants de première année de l’anglais en tant que langue additionnelle (ALA) qui suivent des cours de littératie académique et d’écriture. Pour ces étudiants, le passage d’un environnement d’apprentissage en personne à un environnement d’apprentissage à distance a eu un impact majeur sur leur capacité à interagir et à collaborer avec leurs pairs, des facteurs clés pour un développement réussi de la littératie académique et pour la réussite dans leurs études. Nous présentons des données sélectionnées issues d’une étude plus large menée au cours d’un an dans une université de la région métropolitaine de Vancouver, à savoir des entretiens avec des étudiants ALA sur leurs expériences dans des cours de littératie académique enseignés à distance. Notre analyse s’appuie sur les théories des littératies académiques et de la socialisation au discours académique dans les contextes de l’enseignement supérieur, tout en tenant compte de la littérature récente sur l’apprentissage à distance dans l’enseignement supérieur. Interrogés sur leurs expériences lors des entretiens, les participants ont décrit les défis liés à l’interaction et à la collaboration avec leurs pairs, à se faire des amis et au développement de leurs compétences en anglais et en littératie académique. Nous concluons en discutant des leçons que nous pouvons mettre de l’avant dans cette ère qui suit l’enseignement à distance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,377
Écart entre enseignants0,334 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
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

Citations1
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207