The VIRI (Virtual, Interactive, Real-Time, Instructor-Led) Classroom: The Impact of Blended Synchronous Online Courses on Student Performance, Engagement, and Satisfaction
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Previous research on blended course offerings focuses on the addition of asynchronous online content to an existing course. While some explore synchronous communication, few control for differences between treatment groups. This study investigates the impact of teaching a blended course, using a virtual, interactive, real-time, instructor-led (VIRI) classroom, on student engagement, performance, and satisfaction. We use an experimental design with both a control group and a treatment group. Up to 90 students in a large urban university are randomly assigned by the registrar into two sections of an introductory marketing course. Using a pre- and post-semester questionnaire, the study measures student engagement, performance, and satisfaction. There are no statistical differences in student performance between the control and treatment groups. The only student engagement factor with a statistically significant difference between groups is student interest in their courses. Compared with the control group, the treatment group appears to be more interested (+10%) in their courses at the end of the semester. Finally, fewer than 2 in 10 students express dissatisfaction with their participation in a VIRI course. Blended course offerings are increasing in importance in marketing and business education. The study provides guidance for fine-tuning the features of those course offerings by demonstrating how a VIRI classroom leverages the capabilities of technology without compromising learning outcomes.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 découle