Perceptions des enseignants et divers modes de fonctionnement pour enseigner et communiquer en période de pandémie
Bibliographic record
Abstract
La pandémie mondiale de COVID-19 a obligé le milieu scolaire à mettre en place des modes de fonctionnement atypiques. Au lieu d’être un lieu physique en personne, l’école est devenue virtuelle. Un questionnaire bilingue en ligne a été rempli par 1 111 participants entre avril et aout 2021 : 322 enseignants du préscolaire au secondaire et 789 parents de tout le Canada (sauf deux provinces) y ont participé. Cette communication a pour but de faire part des différents modes de fonctionnement qui ont été mis en place pour vivre l’école virtuelle, mais également de documenter la façon dont les enseignants ont communiqué avec les élèves en période de pandémie. Les résultats du questionnaire montrent que 45,6 % des enseignants n’aiment pas l’école virtuelle synchrone et 40,3 % n’aiment pas l’école virtuelle asynchrone. 93,4 % des enseignants préfèrent enseigner en présentiel, en temps de pandémie, lorsque les écoles sont ouvertes. Lorsque les écoles sont fermées, 63,1 % des enseignants préfèrent l’école virtuelle synchrone et 54,2 % aiment mieux l’école virtuelle asynchrone. Enfin, lorsque les écoles étaient fermées, le moyen de communication le plus utilisé par les enseignants pour communiquer en petits groupes et individuellement avec les élèves a été la visioconférence.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".