The academic, socioemotional, and health impacts of school policies throughout the COVID-19 pandemic have been a source of many important questions that require accurate information about the extent of onsite schooling that has been occurring throughout the pandemic. This paper investigates school operational status data sources during the COVID-19 pandemic, comparing self-report data collected nationally on the household level through a Facebook-based survey with data collected at district and county levels throughout the country. The percentage of households reporting in-person instruction within each county is compared to the district and county data at the state and county levels. The results show high levels of consistency between the sources at the state level and for large counties. The consistency levels across sources support the usage of the Facebook-based COVID-19 Symptom Survey as a source to answer questions about the educational experiences, factors, and impacts related to K-12 education across the nation during the pandemic.


翻译:在整个COVID-19大流行期间,学校政策对学术、社会情感和健康的影响一直是许多重要问题的根源,这些问题要求准确了解在整个流行病期间现场就学的程度,本文件调查COVID-19大流行期间学校业务状况数据来源,将通过脸书调查在全国住户一级收集的自我报告数据与在全国县县一级收集的数据进行比较,将每个县内报告面对面教学的家庭比例与州和县两级的区和县数据进行比较,结果显示州一级和大县两级的来源高度一致,不同来源之间的一致性支持使用基于脸书的COVID-19 Symptom调查作为来源,回答有关该流行病期间全国K-12教育的经验、因素和影响的问题。

0
下载
关闭预览

相关内容

机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
【哈佛大学商学院课程Fall 2019】机器学习可解释性
专知会员服务
103+阅读 · 2019年10月9日
最新BERT相关论文清单,BERT-related Papers
专知会员服务
52+阅读 · 2019年9月29日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
2012-2018-CS顶会历届最佳论文大列表
深度学习与NLP
6+阅读 · 2019年2月1日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【推荐】Kaggle机器学习数据集推荐
机器学习研究会
8+阅读 · 2017年11月19日
Arxiv
0+阅读 · 2021年5月19日
Arxiv
0+阅读 · 2021年5月19日
Arxiv
0+阅读 · 2021年5月18日
The Measure of Intelligence
Arxiv
6+阅读 · 2019年11月5日
Revealing the Dark Secrets of BERT
Arxiv
4+阅读 · 2019年9月11日
VIP会员
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
2012-2018-CS顶会历届最佳论文大列表
深度学习与NLP
6+阅读 · 2019年2月1日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Disentangled的假设的探讨
CreateAMind
9+阅读 · 2018年12月10日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
LibRec 精选:推荐系统9个必备数据集
LibRec智能推荐
6+阅读 · 2018年3月7日
carla 学习笔记
CreateAMind
9+阅读 · 2018年2月7日
【推荐】Kaggle机器学习数据集推荐
机器学习研究会
8+阅读 · 2017年11月19日
Top
微信扫码咨询专知VIP会员