Experiências sobre a aprendizagem por meio do uso de nuvens eletrônicas e WhatsApp entre graduandos em fisioterapia
Notice bibliographique
Résumé
Introdução: As Tecnologias da Informação e Comunicação (TIC) incluem dispositivos auxiliares ao processo pedagógico como a nuvem eletrônica e o WhatsApp. Objetivo: Avaliar e comparar as experiências sobre a aprendizagem por meio do uso de nuvens eletrônicas e WhatsApp entre graduandos de fisioterapia. Material e métodos: A amostra foi composta por 41 alunos que utilizaram nuvens eletrônicas ou o aplicativo WhatsApp como suporte do processo de aprendizagem em um curso de graduação em fisioterapia. Os dados foram coletados através do questionário de autoavaliação Constructivist On-Line Learning Environment Survey (COLLES), aplicado no final de um semestre letivo. Resultados: As TIC estudadas, frequentemente, estimulavam a reflexão crítica, tinham o apoio dos professores durante o seu uso e favoreciam a compreensão das mensagens, enquanto que, algumas vezes, havia o apoio dos colegas e interatividade durante o uso desses dispositivos. Entretanto, o WhatsApp foi mais importante que a nuvem eletrônica nas categorias de relevância, estímulo í reflexão crítica, interatividade, apoio dos colegas e compreensão das mensagens. Conclusão: Observa-se a necessidade de estimular o apoio entre os alunos e a interação entre as suas ideias para que essas ferramentas possam ter maior êxito no processo de aprendizagem do curso de fisioterapia.Palavras-chave: tecnologia educacional, ensino superior, mídias sociais, fisioterapia.
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 | 0,012 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».