The Effects of Instructional Design on Student Engagement with Video Lectures at Cyber Universities
Notice bibliographique
Résumé
Aim/Purpose: The number of students enrolled in online courses that use video lectures is on the rise. However, research shows that the number of students watching video lectures is low, and the number watching videos to completion is even lower. Background: This paper seeks to understand this problem by looking for correlations between instructional design and student engagement with video lectures. Methodology: Students at a cyber-university in South Korea (n=1801) were surveyed on their perception of the instructional design used in the courses they took and their engagement with online video lectures. Contribution: This paper contributes to the body of knowledge by demonstrating positive correlations between instructional design, watching, and finishing video lectures. Findings: While most other research has found low levels of online lecture viewership, this paper found significantly higher numbers watching and finishing videos. Other major findings of the paper are that five key elements of instructional design for online learning environments (designing methods, setting the curriculum, establishing time parameters, establishing netiquette, and utilizing the medium effectively) all correlated positively with students watching and finishing video lectures. Recommendations for Practitioners : Based on findings in this paper, it is recommended that practitioners consider taking actions when designing their instruction for online courses. These include batching their video lectures together by topic, devoting greater resources to helping students utilize the medium, and communicate time parameters in a way that encourages students to view video lectures in a timely manner. Recommendation for Researchers: As the watching of video lectures in this study was mandatory for learners, an interesting area of further research would be to examine whether that decision led to higher numbers of students watching them. Future Research: It is important for researchers to conduct further research into the interplay between ways instructors can design their instruction in order to encourage learners to better experience online 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.
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 | 0,007 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».