Multimedia Enhancing Computer Based Training Modules for The Deaf, Supported by Case Study
Notice bibliographique
Résumé
Training aims at supporting student in developing specific physical skills. Therefore developer has to design effective modules for such purpose. He must develop his modules so that to represent/simulate all training activities via computer screen. According to our experience, such e-training modules are more complex as well as difficult than e-learning modules. Idea of research is to develop e-training modules (eTMs) for training skills to the Deaf & Dumb (D&D). Generic software has been developed to generate eTMs of any required training skills. Multimedia technique represents the core of simulation of training skills. Two projects have been developed, one for the teacher and the second for the student. The teacher is requested to enter the required training material into the teacher project . Effective pictures of training material would be entered by the teacher as well as the related clips of the training material are also added to the training modules particularly tools of training lesson and methodology of training lesson. Therefore the training material could be represented by text , pictures as well as clips. But all the oral/audio materials are to be translated into languages of D&D like sign language and finger spelling. To realize effective training outcomes effective theories of learning/training must be depended in developing the e-training modules like perceptions theory (Landa) and sign learning (Tolman). To test the system , the training skills of paint brush software has been applied in developing the modules as case study. Visual Basic programming and its multimedia control components and technique are recommended to develop such eTMs. Thousands of sign language and alphabets finger spelling video clips are linked with the system.
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 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 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,005 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».