MétaCan
Menu
Retour à la cohorte
Enregistrement W1643904046

A Comparison of Students’ Performance Under Full-Time, Part-Time, and Online Conditions in an Undergraduate Nursing Microbiology Course

2006· article· en· W1643904046 sur OpenAlexaffvenueabout
Michael Carbanaro, Tess Dawber, Isanna Arav

Notice bibliographique

RevueInternational journal of e-learning & distance education · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOnline courseOnline learningPsychologyMedical educationNursingMathematics educationMedicineComputer scienceWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to compare undergraduate nursing students’ achievement on examinations for three groups in a mandatory microbiology course. The study represents one aspect of a larger research project designed to gain insight into factors that may influence online learning for distance education nursing students at a Canadian community college. Data were collected from full-time (n=206) and part-time (n=39) students in a traditional face-to-face learning environment, and from part-time students in an online learning environment (n=54). Three examinations for all course sections (two midterms, one final) were used to evaluate students’ outcomes. Data analyses showed no significant statistical difference in students’ outcomes on either of the midterm examinations, but on the final examination full-time students in the face-to-face instructional environment outperformed students who took the course online. Further analysis of online students showed an interaction between age and examination performance over time, such that older online students outperformed their younger counterparts as they gained more experience in the online environment. A follow-up to this re- search study has been proposed that would incorporate more controls in order to increase internal validity. L’objectif poursuivi par cette étude consistait à comparer les résultats des étudiants de premier cycle en nursing lors des examens, dans trois groupes, dans un cours obligatoire de microbiologie. L’étude représente un aspect d’un projet de recherche plus large conçu pour mieux comprendre les facteurs qui peuvent influencer l’apprentissage en ligne des étudiants de nursing en apprentissage à distance dans un collège d’une communauté canadienne. Des données ont été recueillies de la part d’étudiants à temps plein (n=206) et à temps partiel (n=39) dans un environnement d’apprentissage direct et d’étudiants à temps partiel dans un environnement d’apprentissage en ligne (n=54). Trois examens pour toutes les sections du cours (deux mi-semestre, un final) ont été utilisés pour évaluer les résultats des étudiants. Des analyses de données n’ont démontré aucune différence statistique importante entre les résultats des examens des étudiants des deux examens semestriels, mais les étudiants à temps plein lors d’un examen final dans un environnement direct ont mieux réussi que les étudiants qui suivaient le cours en ligne. Une analyse plus poussée des étudiants en ligne a démontré une interaction entre l’age et la performance à l’examen, alors que les étudiants en ligne plus agés ont mieux réussi que les plus jeunes à mesure qu’ils gagnaient plus d’expérience dans l’environnement en ligne. Un suivi de cette recherche a été proposée, qui incorporerait plus de controles afin d’augmenter la validité interne.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,397
Écart entre enseignants0,382 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueInternational journal of e-learning & distance educationMême sujetOnline and Blended LearningTravaux en français237 207