Flipped classrooms and student learning: not just surface gains
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
The flipped classroom is a relatively new approach to undergraduate teaching in science. This approach repurposes class time to focus on application and discussion; the acquisition of basic concepts and principles is done on the students' own time before class. While current flipped classroom research has focused on student preferences and comparative learning outcomes, there remains a lack of understanding regarding its impact on students' approaches to learning. Focusing on a new flipped classroom-based course for basic medical sciences students, the purpose of the present study was to evaluate students' adjustments to the flipped classroom, their time on task compared with traditional lectures, and their deep and active learning strategies. Students in this course worked through interactive online learning modules before in-class sessions. Class time focused on knowledge application of online learning module content through active learning methods. Students completed surveys and optional prequiz questions throughout the term to provide data regarding their learning approaches. Our results showed that the majority of students completed their prework in one sitting just before class. Students reported performing less multitasking behavior in the flipped classroom compared with lecture-based courses. Students valued opportunities for peer-peer and peer-instructor interactions and also valued having multiple modes of assessment. Overall, this work suggests that there is the potential for greater educational gains from the flipped classroom than the modest improvements in grades previously demonstrated in the literature; in this implementation of the flipped classroom, students reported that they developed independent learning strategies, spent more time on task, and engaged in deep and active learning.
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 | 0,001 | 0,001 |
| 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