MétaCan
Menu
Retour à la cohorte
Enregistrement W2099422737 · doi:10.5539/ies.v6n2p1

Audiovisual Resources in Formal and Informal Learning: Spanish and Mexican Students’ Attitudes

2012· article· en· W2099422737 sur OpenAlexvenueno aff
Javier Fombona Cadavieco, María Ángeles Pascual Sevillano

Notice bibliographique

RevueInternational Education Studies · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueRadio, Podcasts, and Digital Media
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntertainmentThe InternetMultimediaTest (biology)NarrativeComputer scienceQuality (philosophy)Empirical researchPsychologyMathematics educationWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

This research analyses the evolution in the effectiveness of media messages and aims to optimize the use of ICTs in educational settings. The cultural impact of television and multimedia resources is increasing as they move to the Internet with ever greater quality. The integration of visual narrative techniques with multimedia playback capabilities of the Internet is creating an innovative model of knowledge transfer that contrasts with some traditional school approaches. So, the introduction of audiovisual elements and multimedia resources in the classroom seems to be more effective than other “traditional” methodologies. In order to assess and test this initial hypothesis, this research relies on empirical data from a survey conducted among more than 400 students from Spanish and Mexican schools. Besides considering the relation between the time spent watching multimedia resources and students’ academic performance, this paper analyses the possible benefits of learning strategies that include multimedia and audiovisual elements. Above all, we suggest that teachers should use educative methodologies that trigger emotional responses, in the same way as entertainment and multimedia resources do.

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)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,055
Tête enseignante GPT0,426
Écart entre enseignants0,372 · 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'étudeObservationnel
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

Citations8
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetRadio, Podcasts, and Digital MediaTravaux en français237 207