Ukrainian Teachers’ Capacity to Teach Online Under Quarantine and Martial Law
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The article analyzes the capacity of Ukrainian pedagogical university faculty and students to teach remotely under unstable conditions like quarantine and martial law. Issues associated with their self-directed preparation to teach online under these conditions are also discussed. The study involved 594 students at Vinnytsia State Pedagogical University (420 bachelor program students and 174 master program students), 387 faculty members (206 social sciences and liberal arts teachers, 181 natural sciences teachers), and forty-five experts (twenty-five university leaders and twenty regional stakeholders). To determine the level of skills and abilities of the pedagogical university students, the authors monitored their educational progress in fundamental, professional, and didactical disciplines beginning in June 2020 when the first wave of the COVID-19 pandemic started, until June 2023 when there was a partial adaptation of teachers and students to online teaching in emergency situations. Included in this period was the point at which Russia’s invasion of Ukraine peaked in intensity, June 2022. The authors propose organizational and methodological activities to help improve the skills that pedagogical university teachers and students need for online teaching under quarantine and martial law. The effectiveness of the applied experimental methods was determined by analytical reports of all faculties regarding the quality of the acquired knowledge. Statistical analysis was used to determine the results of expert evaluation. Keywords: COVID-19 pandemic, distance learning, martial law, online learning, quarantine, self-directed learning
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle