Do Lectures Matter? Lecture Attendance in Online and Face to Face Histology Courses
Notice bibliographique
Résumé
We have developed an online histology course covering the same material as a Face to Face (F2F) course. Previously, we reported no significant differences among outcomes between the formats. Here we investigate differences in student attendance. The online course uses Wimba Classroom to facilitate lectures. Students can attend the lectures live, or view archived versions later and also access archives for additional review. Wimba classroom records each time a student enters the virtual classroom. F2F attendance was measured by passing attendance sheets though the class for each lecture. Data indicates that F2F attendance drops mid‐term and then recovers prior to testing. Similarly, online attendance also drops mid‐term; however, these students can view the archived lecture at a later time. Written exams for this course are multiple choice questions each based on the material covered in a specific lecture. There is a correlation (r2 = 0.211, p< 0.05) between attendance and exam grades for the F2F students. For the online students who can view the archives many times, there is also significant positive correlation between attendance and exam outcomes; however, this correlation becomes negative after two viewings per lecture. These results suggest that lecture attendance improves outcomes and that while repeated viewings of the lecture are beneficial, this benefit declines with more than two viewings. Grant Funding Source : SSHRC
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 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 | 0,002 | 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».