MétaCan
Menu
Retour à la cohorte
Enregistrement W1750831895 · doi:10.1002/ase.1576

E‐learning, dual‐task, and cognitive load: The anatomy of a failed experiment

2015· article· en· W1750831895 sur OpenAlexafffund
Sonya E. Van Nuland, Kem A. Rogers

Notice bibliographique

RevueAnatomical Sciences Education · 2015
Typearticle
Langueen
DomainePsychology
ThématiqueVisual and Cognitive Learning Processes
Établissements canadiensWestern University
Organismes subventionnairesOntario Council on Graduate Studies, Council of Ontario Universities
Mots-clésCognitive loadTask (project management)CognitionComputer scienceStroop effectPopularityCognitive psychologyElementary cognitive taskHuman–computer interactionPsychologySocial psychologyEngineering

Résumé

récupéré en direct d'OpenAlex

The rising popularity of commercial anatomy e-learning tools has been sustained, in part, due to increased annual enrollment and a reduction in laboratory hours across educational institutions. While e-learning tools continue to gain popularity, the research methodologies used to investigate their impact on learning remain imprecise. As new user interfaces are introduced, it is critical to understand how functionality can influence the load placed on a student's memory resources, also known as cognitive load. To study cognitive load, a dual-task paradigm wherein a learner performs two tasks simultaneously is often used, however, its application within educational research remains uncommon. Using previous paradigms as a guide, a dual-task methodology was developed to assess the cognitive load imposed by two commercial anatomical e-learning tools. Results indicate that the standard dual-task paradigm, as described in the literature, is insensitive to the cognitive load disparities across e-learning tool interfaces. Confounding variables included automation of responses, task performance tradeoff, and poor understanding of primary task cognitive load requirements, leading to unreliable quantitative results. By modifying the secondary task from a basic visual response to a more cognitively demanding task, such as a modified Stroop test, the automation of secondary task responses can be reduced. Furthermore, by recording baseline measures for the primary task as well as the secondary task, it is possible for task performance tradeoff to be detected. Lastly, it is imperative that the cognitive load of the primary task be designed such that it does not overwhelm the individual's ability to learn new material.

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)0,029
score de la tête « metaresearch » (Gemma)0,097
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,156

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,097
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,004
Communication savante0,0030,004
Science ouverte0,0030,003
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,411
Écart entre enseignants0,376 · 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

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnatomical Sciences EducationMême sujetVisual and Cognitive Learning ProcessesTravaux en français237 207