Teaching in Times of Crisis or Pandemic Pedagogy
Notice bibliographique
Résumé
Abstract Higher education institutions (HEIs), including universities, adult and vocational institutes, and technical and further education (TAFE) centres, faced the challenge of responding to the COVID-19 pandemic with limited data on how best to protect their communities and to continue educating their students. HEIs implemented various measures and adaptations by prioritizing the safety and well-being of students, staff, and the broader community while ensuring uninterrupted educational delivery. The pandemic presented a global educational challenge, requiring institutions to address complex organizational issues. These challenges encompassed topics such as information access, equity, diverse communication infrastructures, collaboration, logistics, the use of digital platforms, decentralization, redundancy, variation in virtual rituals and communication protocols, unstructured digital proxemics, Zoom fatigue, the absence of remote feedback loop models, and COVID-19 management protocols. Among the critical questions posed by the pandemic in the higher education sector in Australia and Canada, whether at universities, technical institutes, or education centres, was how faculty enhanced the learning experience and fostered symbiosis among co-located/on-shore and remote/off-shore students. To gain a deeper understanding of the relationship between HEIs and COVID-19 educational mitigation, we analysed the actions taken by three HEIs in Australia and one in Canada during the crisis years of 2021–2022. This analysis was based on the personal reflections of the authors (academics from various HEIs), a synthesis of which is presented in this chapter.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,008 |
| Communication savante | 0,007 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 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 ».