MétaCan
Menu
Retour à la cohorte
Enregistrement W2131277788

Media Player Tool Use, Satisfaction with Online Lectures and Examination Performance

2008· article· en· W2131277788 sur OpenAlexaff
John N. Bassili, Steve Joordens

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPsychologyArt
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Media players allow students to pause lectures and to replay portions at will, two capabilities with potentially important pedagogical value that are not available in face-to-face lectures. The first study showed that many students use and value these media player features when watching online introductory psychology lectures. The second study showed that use of the features was correlated with superior exam performance, a learning outcome that was at least partially mediated by increased satisfaction with the learning approach. Together, the findings demonstrate that students who used the features made available by the media-players were more satisfied with the course, and performed better in it. Résumé Les lecteurs multimédias permettent aux étudiants d’interrompre les enregistrements de cours en salle et d’en rejouer des parties à volonté, deux fonctions ayant une valeur pédagogique potentiellement importante qui ne sont pas disponibles dans les cours en salle. La première étude montre que plusieurs étudiants d’un cours d’introduction à la psychologie utilisent et apprécient ces fonctions des lecteurs multimédias. La deuxième étude montre qu’il existe une corrélation entre l’utilisation de ces fonctions et une meilleure performance aux examens, un résultat de l’apprentissage qui serait partiellement expliqué par l’augmentation de la satisfaction par rapport à l’approche d’apprentissage. Ensemble, les résultats indiquent que les étudiants qui utilisent ces possibilités inhérentes aux lecteurs multimédias sont plus satisfaits de leur cours et obtiennent de meilleures notes.

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)0,015
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 enseignants0,012
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,270
Écart entre enseignants0,239 · 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

Citations43
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOnline and Blended LearningTravaux en français237 207