MétaCan
Menu
Retour à la cohorte
Enregistrement W2586383993 · doi:10.5430/jct.v6n1p1

Effectiveness of using the iPad in Learning to Acquire the Mental and Performance Skills in Teaching Social Studies Curriculum

2017· article· en· W2586383993 sur OpenAlexvenueno aff
Maadi Mahdi Alajmi, Hanan Abdullah Al-Hadiah

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2017
Typearticle
Langueen
DomaineComputer Science
ThématiqueMobile Learning in Education
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumTest (biology)Control (management)PsychologySocial studiesMathematics educationComputer sciencePedagogyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This study aims to examine the effectiveness of using the iPad in learning to acquire the mental and performanceskills in teaching the social studies. Using experimental design method, the study compared two groups: (a)experimental, taught using the iPad, and (b) control group, taught using the traditional learning without iPad. A totalof 48 (24experimental group and 24 control group) eighth grade students in state of Kuwait participated in this study.The study started on the second semester on 2015-2016 on the average of 6 weeks. After the test on the study sampleand the statistical processing, the results revolved that: (1) there are no significant differences between theexperimental and the control group in mental performance in pre-test score. (2) There are no significant differencesbetween the experimental and the control group in skills performance in pre-test score. (3) There are significantdifferences between the experimental and the control group in mental performance in post-test score in favor ofexperimental group. (4) There are significant differences between the experimental and the control group in skillsperformance in post-test score in favor of experimental group. Based on the results, the study concluded withrelevant recommendations regarding the implementation of using iPad technology in education, and suggested somefurther studies in this topic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,076
Score d'incertitude au seuil0,980

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,014
Tête enseignante GPT0,334
Écart entre enseignants0,321 · 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 tête enseignante, 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

Citations3
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetMobile Learning in EducationTravaux en français237 207