MétaCan
Menu
Retour à la cohorte
Enregistrement W1823552676

Evaluating the Use of Learning Objects for Secondary School Science

2007· article· en· W1823552676 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of Computers in Mathematics and Science Teaching · 2007
Typearticle
Langueen
DomaineComputer Science
ThématiqueOpen Education and E-Learning
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésScience learningLearning objectMathematics educationObject (grammar)Quality (philosophy)Learning sciencesTheme (computing)Active learning (machine learning)Educational technologyExperiential learningComputer scienceScience educationPsychologyPedagogyArtificial intelligenceWorld Wide Web
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A learning object is an interactive web-based tool that supports learning by enhancing, amplifying, and guiding the cognitive processes of a learner. To date, no formal research has been done on the use of learning objects in secondary school science classrooms. The purpose of this study was to evaluate the use of learning objects developed for high school students in areas of biology, chemistry, or physics. The evaluation metric used to assess the benefi ts and quality of learning objects was theoretically sound, reliable, and partially validated. Two thirds of the students stated they benefi ted from using the learning object. Teachers confi rmed that learning objects were benefi cial to student learning and that they would use them again. Students benefi ted more if they were comfortable with computers, the content was perceived as being useful, instructions were clear, and the theme was fun or motivating. Students appreciated the motivating, hands-on, and visual qualities of the learning objects most. Computer comfort and learning object type, but not gender, were signifi cantly related to learning object quality and benefi t.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,027
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,918
Score d'incertitude au seuil0,921

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0270,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,085
Tête enseignante GPT0,386
Écart entre enseignants0,300 · 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