美国2020-2021学年学校学习模式数据集-mhmtaha
数据来源：互联网公开数据
标签：学校学习模式,美国,2020-2021,教育,疫情,学习方式,数据集
数据概述：
本数据集提供了2020-2021学年美国K-12公立和独立特许学区每周的学习模式（包括面对面、远程或混合学习）估算数据，时间范围从2020年8月到2021年6月。这些数据是通过结合多种来源的数据（见下文）进行建模，以推断每个学区在给定周内最可能的学习模式。这些数据应被视为区级估算，可能不会完全反映真实的学校学习模式，特别是在数据缺失的情况下。如果一个学区在同一周内报告了多种学习模式，数据集中反映的是大多数天数提供的学习模式。
学校学习模式类型定义如下：
- 面对面（In-Person）：学区内所有学校每周为所有年级的所有学生提供面对面授课。
- 远程（Remote）：学区内所有学校不提供面对面授课；所有学习都在线或远程进行。
- 混合（Hybrid）：学区内提供面对面和远程学习的组合；每周面对面授课少于5天，或仅提供给部分学生。
数据信息：
提供的学校学习模式数据是使用多种来源数据进行建模的估算结果，不保证100%准确。该学习模式数据集是通过结合来自四个不同来源的数据（Burbio、MCH Strategic Data、AEI/Return to Learn Tracker、州仪表板）生成的。使用隐马尔可夫模型（Hidden Markov Model）对这些数据进行组合，以推断每个学区最可能的学习模式序列。该模型使用2020-2021学年的数据进行训练。描述每个学区的位置、学校数量和学生数量的元数据来自美国国家教育统计中心（NCES）。
技术说明：
2020年9月1日至2021年6月25日的数据对应2020-2021学年，在此期间所有四个数据源均可用。概率低于0.75的推断学习模式被视为不确定，已排除。7月份的数据可能显示“面对面”状态，尽管在此期间大部分学区实际上因暑假而关闭。用户可能希望根据需要排除这些7月份的数据。
数据用途概述：
该数据集适用于教育研究、政策制定、学校管理等多种场景。教育研究者可以利用这些数据分析不同学习模式对学生的影响；政策制定者可以根据数据评估和调整学校教育政策；学校管理层可以了解学区的学习模式变化趋势，以优化教学策略。此外，该数据集也是教育研究和数据分析课程中非常有价值的教学资源。
