In-class use of Laptop Computers to Enhance Engagement within an Undergraduate Biology Curriculum: Findings and Lessons Learned
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
Laptop computers were provided for use in three biology classes with differing formats (a second year lecture course of 100 students, a third/fourth year lecture course of 50 students, and a second year course with > 250 students, in groups of 25 during the laboratory portion of the class) to assess their impact on student learning and engagement. In lecture courses, laptop computers were used for web-based exercises to collect and analyse information while in the laboratory, these computers were used to compile student data into a single dataset for analysis. Over a three year study period, student responses were generated using surveys with a Likert response scale. In the third/fourth year lecture course, student satisfaction was the greatest; students strongly agreed that the laptop computers were enjoyable and helpful and felt that the classroom environment was very interactive. However, comparison of examination scores between years with and without laptop computer-based instruction did not show a measurable difference in student learning. In the second year lecture course, students had similar experiences but the average student responses were lower. In the laboratory course, student responses were neutral, possibly due to difficulties associated with limited time to familiarise themselves with the technology and/or variation in laboratory instructors. Student feedback indicated that technology can have a positive impact on student experience but difficulties with technical issues can counteract benefits, necessitating careful preparation and implementation of technology use.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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