The Four Scaffolding Modules for Collaborative Problem-Based Learning through the Computer Network on Moodle LMS for the Computer Programming Course
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
Scaffolding is a learning approach designed to promote a deeper understanding, it is the support given during the learning process which is tailored to the needs of the student with the intention of helping the student achieve the learning goals, including resources, a compelling task, templates and guides, and guidance on the development of cognitive and social skills. Meanwhile, problem-based learning (PBL) situate learning in complex tasks. Such task require scaffolding to help students engage in sense making, managing their investigations, problem-solving processes, and encouraging students to articulate their thinking and reflect on their learning. This study aimed to develop four scaffolding modules for collaborative problem-based learning through the computer network on Moodle LMS for the computer programming course of undergraduate students, and to analyze the satisfaction of the experts and students after using the developed scaffolding modules. The four scaffolding modules consisted of metacognitive scaffolding, conceptual scaffolding, strategic scaffolding, and procedural scaffolding, each of which represented by a 3-D animation expert cartoon to attract students. The sample group were twenty-two students of small group pilot and six experts. The findings indicated that the degree of satisfaction towards the scaffolding from the experts was high and the degree of the satisfaction towards the scaffolding from the students was also high. This can be used the four scaffolding modules to complete PBL task successfully.
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 | 0,001 | 0,001 |
| 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 | 0,005 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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