Project-Based Learning Using Discussion and Lesson-Learned Methods via Social Media Model for Enhancing Problem Solving Skills
Notice bibliographique
Résumé
This research aims to 1) develop the project-based learning using discussion and lesson-learned methods via social media model (PBL-DLL SoMe Model) used for enhancing problem solving skills of undergraduate in education student, and 2) evaluate the PBL-DLL SoMe Model used for enhancing problem solving skills of undergraduate in education student. The samples groups are 9 specialists in education, enhancement of problem solving skills, educational technology, and computer and communication technology selected by purposive sampling. Thereafter, researcher analyses the data statistically by examining the mean () and the standard deviation (S.D.). The research result shows that (1) the PBL-DLL SoMe Model used for enhancing problem solving skills of undergraduate in education student, consists of 4 components which are 1) the analysis of the readiness of the input factors, 2) the process of the PBL-DLL SoMe Model, 3) the evaluation of the achievement of learning and problem solving skills (Output), and 4) the evaluation of the result between evaluating and feedback. (2) The evaluation result of this research project on the PBL-DLL SoMe Model for enhancing problem solving skills of undergraduate in education student shows that 1) the mean () of the results of evaluated input factor readiness is valued at 4.50. The The standard deviation (S.D.) is equal to 0.80. 2) The mean () of the process PBL-DLL SoMe Model is valued at 4.52. The standard deviation (S.D.) is equal to 0.62. 3) The mean () of the evaluation of the achievement of learning and problem solving skill (Output) is valued at 4.62. The standard deviation (S.D.) is equal to 0.72. 4) The mean () of the evaluation between process and feedback is valued at 4.71. The standard deviation (S.D.) is equal to 0.48. 5) The mean () of the overall evaluation of the developed learning model is valued at 4.53. The standard deviation (S.D.) is equal to 0.75. Therefore, the developed learning model is rated as most appropriate in terms of quality.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».