A Comparison of Students’ Understanding of Concepts in Fluid Mechanics through Peer Instruction and the T5 Learning Model
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
Peer discussions are effective in facilitating active learning in both lectures and online forums and this is supported by research indicating an increase in students’ conceptual understanding as a result of the interactions. This research aims to compare student understandings of concepts in fluid mechanics after deploying peer discussion as a teaching method in two different formats (T5 Learning Model and Peer Instruction). The T5 Learning Model is the developed form of Mazur’s Peer Instruction in an online environment. This paper mainly focuses on comparing the outcome between Peer Instruction in classroom and the T5 Learning Model. The sample group comprised the first year students majoring in engineering, who registered for the class of introductory physics. A group of students (N=148) was taught through the established Peer Instruction (PI) method developed by Eric Mazur from Harvard University; another group (N=223) was taught through the new T5 Model, which is an on line peer discussion forum developed at the University of Waterloo, Canada. The Fluid Mechanics Conceptual Test (FMCT) was designed to assess students’ understanding of basic fluid mechanics concepts. The FMCT is a 12-item, two-tier test. The first tier of an item is a conventional multiple-choice question with four choices. The second tier presents some reasons for the given answer for the first tier. The research results illustrate that both the PI and T5 Model as used in this study enable students to obtain ‘learning gains’ in accordance to Hake’s method, at the level of medium gain (0.54 and0.52 respectively). While this study demonstrates that the T5 Model is another peer discussion teaching method that is as effective as the PI teaching method, more research needs to be undertaken to support this comparison.
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 | 0,013 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 découle