MétaCan
Menu
Retour à la cohorte
Enregistrement W2031345460 · doi:10.1080/15391523.2006.10782465

Virtual Lecture Hall For In-Class And Online Sections

2006· article· en· W2031345460 sur OpenAlexaff
Kenneth M. Cramer, Kandice R. Collins, Don M. Snider, Graham Fawcett

Notice bibliographique

RevueJournal of Research on Technology in Education · 2006
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésLecture hallClass (philosophy)PsychologyResource (disambiguation)Mathematics educationMultimediaComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We further evaluated the Virtual Lecture Hall (VLH) (Cramer, Collins, Snider, & Fawcett, in press), an instructional computer-based platform to deliver PowerPoint slides threaded with audio clips for later review. Students from either an in-class or online section (ns = 810 and 74 respectively) of introductory psychology had access to live recorded lectures via the VLH, made available through the course Web site. Approximately 45% of in-class and 78% of online students used the resource prior to each of two course midterms; 32% of in-class and 50% of online students completed a five-item survey assessing student perceptions of whether the VLH enhanced learning or increased grades, and whether they wanted the resource in other courses. Number of VLH accesses and total duration were calculated. Results showed that regardless of course section, greater VLH use was linked to higher midterm scores, and student perceptions of the VLH were highly favorable. Curiously, whereas in-class students’ VLH use and duration were negatively related to expected grade, that same link was positive for online students. Directions for future research in resource development and implications for educators are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,003

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,456
Écart entre enseignants0,421 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations24
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Research on Technology in EducationMême sujetOnline and Blended LearningTravaux en français237 207