The Use of Pre-recorded Lectures on Student Performance in Physiology
Notice bibliographique
Résumé
There has been an increase in reliance on pre-recorded lectures (PRL) as a source of learning in place of live-lectures(LL) in higher education today but whether PRL can effectively replace LL remains unknown. We tested how studentsperformed in the exam questions when PRL replaced LL. While PRL+ group included those students who watched thevideo lectures, PRL- group was composed of students who either did not utilize these videos or accessed only briefly.Additional analysis involved the separation of exam questions, from both LL and PRL, into memory questions (MQ;basic factual details) and comprehension questions (CQ; requiring processing of the given information) and theircomparisons. We did not find any significant difference in student performance between the LL and PRL groups aswell as between LLMQ and PRL+MQ groups. However, students in the LL group performed significantly better onCQ compared to the PRL+ group (P<0.05). Furthermore, analysis of student performance between MQ and CQ amongthe PRL+ and PRL- groups revealed that both groups performed significantly higher on MQ compared to CQ (p<0.01between PRL+MQ and PRL+CQ and p<0.05 between PRL-MQ and PRL-CQ). These results suggest that LL helpsstudents perform better on CQ, where it requires processing of given information compared to that of PRL. Theeffectiveness of PRL, at least from this study, is limited to mastering basic factual details but not suitable for complexconceptual processing and therefore may not fully be able to replace LL.
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 | 0,002 | 0,018 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».