Integrated Method of Teaching in Web Quest Activity and Its Impact on Undergraduate Students' Cognition and Learning Behaviors: A Future Trend in Medical Education
Notice bibliographique
Résumé
INTRODUCTION: Web Quest is one of the new ways of teaching and learning that is based on research, and includes the principles of learning and cognitive activities, such as collaborative learning, social and cognitive learning, and active learning, and increases motivation. The aim of this study is to evaluate the Web Quest influence on students' learning behaviors. MATERIALS & METHODS: In this quasi-experimental study, which was performed on undergraduates taking a psychiatric course at Jahrom University of Medical Sciences, simple sampling was used to select the cases to be studied; the students entered the study through census and were trained according to Web Quest methodology. The procedure was to present the course as a case study and team work. Each topic included discussing concepts and then patient's treatment and the communicative principles for two weeks. Active participation of the students in response to the scenario and introduced problem was equal to preparing scientific videos about the disease and collecting the latest medical treatment for the disease from the Internet.Three questionnaires, including the self-directed learning Questionnaire, teamwork evaluation Questionnaire (value of team), and Buffard self-regulated Questionnaire, were the data gathering tools. RESULTS: The results showed that the average of self-regulated learning and self-directed learning (SDL) increased after the educational intervention. However, the increase was not significant. On the other hand, problem solving (P=0.001) and the value of teamwork (P=0.002), apart from increasing the average, had significant statistical values. CONCLUSIONS: In view of Web Quest's positive impacts on students' learning behaviors, problem solving and teamwork, the effective use of active learning and teaching practices and use of technology in medical education are recommended.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».