Teaching Basic Medical Sciences at a Distance: Strategies for Effective Teaching and Learning in Internet-Based Courses
Notice bibliographique
Résumé
In recent years, the Internet has become an effective and accessible delivery mechanism for distance education. In 2003, 81% of all institutions of higher education offered at least one fully online or hybrid course. By 2005, the proportion of institutions that listed online education as important to their long-term goals had increased by 8%. This growth in available online courses and their increased convenience and flexibility have stimulated dramatic increases in enrollment in online programs, including the Veterinary Technology Distance Learning Program (VT-DLP) at Purdue University. Regardless of the obvious benefits, distance learning (DL) can be frustrating for the learners if course developers are unable to merge their knowledge about the learners, the process of instructional design, and the appropriate uses of technology and interactivity options into effective course designs. This article describes strategies that we have used to increase students' learning of physiology content in an online environment. While some of these are similar, if not identical, to strategies that might be used in a face-to-face (f2f) environment (e.g., case studies, videos, concept maps), additional strategies (e.g., animations, virtual microscopy) are needed to replace or supplement what might normally occur in a f2f course. We describe how we have addressed students' need for instructional interaction, specifically in the context of two foundational physiology courses that occur early in the VT-DLP. Although the teaching and learning strategies we have used have led to increasingly high levels of interaction, there is an ongoing need to evaluate these strategies to determine their impact on students' learning of physiology content, their development of problem-solving skills, and their retention of information.
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 | 0,010 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,004 | 0,008 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,003 |
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 ».