Student use and pedagogical impact of a mobile learning application
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle