Learner differences and learning outcomes in an introductory biochemistry class: Attitude toward images, visual cognitive skills, and learning approach
Notice bibliographique
Résumé
The practice of using images in teaching is widespread, and in science education images are used so extensively that some have argued they are now the "main vehicle of communication" (C. Ferreira, A. Arroio Problems Educ. 21st Century 2009, 16, 48-53). Although this phenomenon is especially notable in the field of biochemistry, we know little about the role and importance of images in communicating concepts to students in the classroom. This study reports the development of a scale to assess students' attitude toward biochemical images, particularly their willingness and ability to use the images to support their learning. In addition, because it is argued that images are central in the communication of biochemical concepts, we investigated three "learner differences" which might impact learning outcomes in this kind of classroom environment: attitude toward images, visual cognitive skills, and learning approach. Overall, the students reported a positive attitude toward the images, the majority agreeing that they liked images and considered them useful. However, the participants also reported that verbal explanations were more important than images in helping them to understand the concepts. In keeping with this we found that there was no relationship between learning outcomes and the students' self-reported attitude toward images or visual cognitive skills. In contrast, learning outcomes were significantly correlated with the students' self-reported approach to learning. These findings suggest that images are not necessarily the main vehicle of communication in a biochemistry classroom and that verbal explanations and encouragement of a deep learning approach are important considerations in improving our pedagogical approach.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».