MétaCan
Menu
Retour à la cohorte
Enregistrement W2133183269 · doi:10.1186/s40561-014-0008-1

Research on teachers’ needs when using e-textbooks in teaching

2015· article· en· W2133183269 sur OpenAlexaff
Yen–Chen Lin, Tzu‐Chien Liu, Kinshuk Kinshuk

Notice bibliographique

RevueSmart Learning Environments · 2015
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésSchool teachersMathematics educationPerceptionPresentation (obstetrics)PsychologyScale (ratio)ValidityReading (process)Reliability (semiconductor)Needs analysisPedagogyPsychometricsDevelopmental psychology

Résumé

récupéré en direct d'OpenAlex

The major purposes of this study were to understand teachers’ definitions of e-textbooks, to identify teachers’ needs when using e-textbooks and to explore the relationships between teachers’ needs of using e-textbooks and teachers’ attributes. To achieve these major purposes, an open questionnaire was proposed to experts to obtain their requirements of using e-textbooks. A needs of using e-textbooks perception scale (NUEPS) was then constructed based on teacher interview results, the literature review and the results of the open questionnaire mentioned above. In the formal study, 378 elementary and secondary school teachers were selected to complete NUEPS, and the reliability and validity of the scale were checked. The results indicated that the teachers’ needs when using e-textbooks comprised three factors: (1) to support teaching activities (STA); (2) to support reading and presentation (SRP); and (3) to support learning activities and parental interaction (LAPI). Besides, the findings of the study showed that the Taiwanese school teachers’ perceptions of using e-textbooks were positive in average. There were no significant differences in terms of gender and age, but there were differences regarding teachers’ school level, and application experience in both the STA and SRP sub-dimensions. The results of this study can be used to offer a better understanding of teachers’ needs of using e-textbooks, and to help novice teachers’ application in e-textbook.

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)0,003
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,017
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 savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,379
Tête enseignante GPT0,463
Écart entre enseignants0,084 · 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

Citations64
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmart Learning EnvironmentsMême sujetTechnology Adoption and User BehaviourTravaux en français237 207