Conhecimentos Prévios sobre Meios Digitais e Desempenho no Ensino Remoto Durante a Pandemia COVID-19
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
As of the 1st quarter of 2020, the World Health Organization (WHO) declared the pandemic caused by the Sars-Cov-2 virus, infectious agent of COVID 19, social distancing was proposed as means to deal with this emergency and teaching went remote. In order to find out how teachers dealt with this situation, we conducted a survey using an online questionnaire and asked them to answer, among other aspects, their familiarity with digital media, their perception of their students' appreciation to this type of class and how much of what they have learned during the pandemic they will take to their classrooms once we return to face to face classrooms. In conclusion the technological advances available are allowing teachers, students and guardians to achieve the necessary educational goals, however, they do not guarantee the desired equity. The mismatch of technological advances between teachers and students, between city regions, between social and economic power etc., reveals the delicate situation of the educational system in our state. Even in schools and public universities where several strategies have been taken to give students more accessibility, it is still not possible to guarantee it. One of the obstacles beyond the economic one is the preparation of teachers who have not advanced to some of the needs of the 21st century. Keywords: COVID-19. Remote learning. Digital information and communication technology.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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