Direct Problem-Based Learning (DPBL): A Framework for Integrating Direct Instruction and Problem-Based Learning Approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Direct instruction approach has been widely used in higher education. Many studies revealed that direct instruction improved students’ knowledge. The characteristics of direct instruction include the subject delivered through face-to-face interaction with the lecturers and materials that sequenced deliberately and taught explicitly. However, direct instruction resulted in low creative thinking and teamwork skills among students. Therefore, problem-based learning activities were adapted to reform and create an innovation of a direct instruction approach in developing the new situation.Objective: This study aimed at exploring lecturers’ and students’ perspectives towards Direct Problem-Based Learning (DPBL) activities as a new approach for activities in the classroom.Design: A quasi-experimental design was used.Participants: Third-year students (N = 276) who signed up for Computer Networks subject from Dian Nuswantoro University, Indonesia and five lecturers were involved.Findings and Results: Learning outcomes were significantly positively (Sig. p=.00). Creative thinking skills score increased 8.4%, Teamwork skills score increased 11.5%, and knowledge score increased 25.9% of DPBL approach. The majority of students have difficulties in the direct instruction approach 4.71(.472). Whereas, 1.99(.655) students have low difficulty in DPBL approach. Expert participants agreed that DPBL approach can enhance creative thinking and teamwork skills 4.70(.50).
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.
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 | 0,011 |
| 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 | 0,004 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle