MétaCan
Menu
Retour à la cohorte
Enregistrement W2185498656 · doi:10.18806/tesl.v32i2.1207

An Analysis of the Effect of a Cyber Home Learning System on Korean Secondary School Students’ English Language Achievement and Attitude

2015· article· en· W2185498656 sur OpenAlexvenueno aff
Ji Hye Shin, Peggy Albers

Notice bibliographique

RevueTESL Canada Journal · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueEducation and Learning Interventions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyLearning stylesMathematics educationMedical educationMedicine

Résumé

récupéré en direct d'OpenAlex

This study examined the effectiveness of a Cyber Home Learning System (CHLS), an online learning system currently being employed in South Korea to improve the access and quality of public education as well as to reduce pri- vate tutoring expenditures. The quasi-experimental research design used ex- periment and survey methods to learn about the impact of CHLS on student performance and to ascertain students’ perceptions of the system. The results of the experiment indicated that no statistically significant differences in test performance existed between the experimental and control groups. This finding suggested that CHLS did not have an impact on student performance overall. However, after the data were disaggregated according to ability level, students in the advanced level showed statistically significant differences between the ex- perimental and control groups. Results from the survey indicated that the CHLS was particularly effective for those who are motivated to voluntarily participate in academic activities and who have the capability for self-initiated study. The CHLS can be considered a useful supplement but not a replacement for second- ary private tutoring. To better address the needs of other learners, the English content of CHLS may need to be further modified to match students’ varying proficiency levels and learning styles. Cette étude a porté sur l’efficacité d’un système d’apprentissage en ligne, Cyber Home Learning System – CHLS, actuellement employé en Corée du Sud pour améliorer la qualité de l’éducation publique, en augmenter l’accessibilité, et ré- duire les frais liés aux services de tutorat privé. Le plan de recherche quasi-expé- rimental s’est appuyé sur l’expérimentation et des méthodes d’enquête pour en apprendre sur l’impact du CHLS sur le rendement des élèves et pour confirmer les perceptions qu’ont les élèves du système. Les résultats de l’expérience n’ont indiqué aucune différence statistiquement significative entre le groupe expéri- mental et le groupe témoin, ce qui portait à croire que le CHLS n’avait pas eu d’impact sur le rendement global des élèves. Une fois les données ventilées par niveau de compétence par contre, elles ont révélé des différences statistiquement significatives entre les élèves avancés du groupe expérimental et ceux du groupe témoin. Les résultats de l’enquête ont indiqué que le CHLS était particulièrement efficace chez les élèves motivés à participer aux activités académiques et capables d’apprendre de façon autonome. On peut considérer le CHLS un complément utile à l’apprentissage, mais pas une solution de remplacement aux services de tutorat privé. Afin de mieux répondre aux besoins des autres apprenants, il se peut que le contenu en anglais du CHLS doive être modifié davantage de sorte à refléter les niveaux de compétence et les styles d’apprentissage variés.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,271
Écart entre enseignants0,263 · 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

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTESL Canada JournalMême sujetEducation and Learning InterventionsTravaux en français237 207