Death to weak PowerPoint: strategies to create effective visual presentations
Notice bibliographique
Résumé
THE PROBLEM WITH POWERPOINTThere is nothing more frustrating than sitting through a presentation bombarded by slide after slide of small text, difficult to read graphs, irrelevant clip art images, and poorly designed templates.Often to blame is the use and abuse of PowerPoint 1 (e.g., Tufte, 2003;Bumiller, 2010).Academics typically only endure weak PowerPoint presentations at conferences, while university students may be exposed to them several times a day for an entire semester.Strong PowerPoint presentations enhance student engagement and help students retain information (e.g., Susskind, 2005), while weak PowerPoint slides can lead to distraction, boredom, and impeded learning (Savoy et al., 2009).The authors of this paper became interested in improving their PowerPoint slides after observing several presentations that badly misused PowerPoint, and realizing that they made many of the same mistakes.Our slides used standard, boring templates; were text heavy, and included grainy gif images-embarrassingly, some of which were even animated.For example, Figure 1A contains a slide that was prepared for a lecture in an introductory psychology course.The slide uses a template that makes the text difficult to read, there are several lengthy bullets, and the photos are too small.To make matters worse, the instructor had the slide heavily animated-bullet points flew in, swirled around, and even made sound.Needless to say, students were not impressed.1 Note that in this article we are using the denotation PowerPoint to refer to any presentation software (e.g., Keynote, Impress, etc.).Outstanding PowerPoint slides will not save a weak lecture; however, weak PowerPoint will certainly diminish a strong one.The purpose of this brief article is to provide some basic suggestions and resources for instructors who wish to improve their PowerPoint presentations, and in doing so, create more engaging and informative lectures for students.
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 | 0,006 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,007 |
| Science ouverte | 0,003 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,032 | 0,010 |
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 ».