Student Response to Remote-Online Case-Based Learning: A Qualitative Study
Notice bibliographique
Résumé
BACKGROUND: Case-based learning (CBL) typically involves face-to-face interaction in small collaborative groups with a focus on self-directed study. To our knowledge, no published studies report an evaluation of Web conferencing in CBL. OBJECTIVE: The primary aim of this study was to explore student perceptions and attitudes in response to a remote-online case-based learning (RO-CBL) experience. METHODS: This study took place over a 2-week period in 2013 at Monash University, Victoria, Australia. A third year cohort (n=73) of physiotherapy students was invited to participate. Students were required to participate in 2 training sessions, followed by RO-CBL across 2 sessions. The primary outcome of interest was the student feedback on the quality of the learning experience during RO-CBL participation. This was explored with a focus group and a survey. RESULTS: Most students (68/73) completed the postintervention survey (nonparticipation rate 8%). RO-CBL was generally well received by participants, with 59% (40/68) of participates stating that they'd like RO-CBL to be used in the future and 78% (53/68) of participants believing they could meet the CBL's learning objectives via RO-CBL. The 4 key themes relevant to student response to RO-CBL that emerged from the focus groups and open-ended questions on the postintervention survey were how RO-CBL compared to expectations, key benefits of RO-CBL including flexibility and time and cost savings, communication challenges in the online environment compared to face-to-face, and implications of moving to an online platform. CONCLUSIONS: Web conferencing may be a suitable medium for students to participate in CBL. Participants were satisfied with the learning activity and felt they could meet the CBL's learning objectives. Further study should evaluate Web conferencing CBL across an entire semester in regard to student satisfaction, perceived depth of learning, and learning outcomes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,018 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».