MétaCan
Menu
Retour à la cohorte
Enregistrement W2144551732 · doi:10.1002/bmb.20771

Student use and pedagogical impact of a mobile learning application

2013· article· en· W2144551732 sur OpenAlexaff
Saskia Teri, Anita Acai, Douglas Griffith, Qusay H. Mahmoud, David W.L., Genevieve Newton

Notice bibliographique

RevueBiochemistry and Molecular Biology Education · 2013
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPsychologyPerceptionMobile appsMobile deviceHigher educationMedical educationMathematics educationM-learningMultimediaComputer scienceWorld Wide WebMedicine

Résumé

récupéré en direct d'OpenAlex

Mobile learning (m-learning) is a relevant innovation in teaching and learning in higher education. A mobile app called NutriBiochem was developed for use in biochemistry and nutrition education for students in a second year Biochemistry and Metabolism course. NutriBiochem was accessed through smartphones, tablets, or computers. Students were surveyed upon completion of the final exam (n = 88). Survey questions assessed frequency of use, motivations for use, and perceptions of app usefulness. The pedagogical impact of NutriBiochem was evaluated by measuring the relationship between frequency of use and final course grade. Just over half of the students used the app, and ∼80% of users accessed the app moderately or infrequently. Smartphones were the most common device and the preferred device on which to access the app. There were no statistical differences in mean final grade between users and nonusers. Students with higher comfort levels with technology accessed the app more broadly than those with lower level of comfort with technology. Over 75% of students agreed that NutriBiochem was a useful learning tool, but fewer (∼45%) felt it helped them perform better in the course. The findings of this study are important, as they suggest that NutriBiochem is an effective study tool for students who are comfortable with technology, and access it regularly. Overall, the use of mobile applications in science education has been shown to be: 1) effective in enhancing students' learning experience; 2) relevant and important as an emergent method of learning given modern pressures facing higher education; and, 3) met with positive student attitudes and perceptions in terms of adopting and using such technology for educational purposes.

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)0,012
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
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,016
Tête enseignante GPT0,358
Écart entre enseignants0,341 · 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

Citations68
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Molecular Biology EducationMême sujetMobile Learning in EducationTravaux en français237 207