Student usage of short online single-topic videos in a first-year engineering chemistry class
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
This study explored students’ usage patternswith 5-10 minute single-topic (“short topic”) videosproduced solely for online use to support undergraduatestudents enrolled in a first-year introductory course toengineering chemistry and materials science at theUniversity of Toronto. The short topic videos were postedas unlisted YouTube videos and made available to studentsusing the Blackboard learning management system.Analytical data was collected from these unlisted YouTubevideos. In 2016, 142 student participants completed ananonymous survey that collected information on users’perceived usefulness and the reason for using the shorttopic videos. In the survey responses, 70.4% of studentsindicated a preference for using the short topic videos toreview specific content vs. full lecture captures. A total of76 short topic videos were created with an average videolength of 8:11 min. The videos were intentionally keptshort, with a maximum duration of 13:46 min. View counts and feedback from the survey responses suggested that students used the short topic videos to review contents and found the videos to be a valuable learning resource. The videos were re-used as the main learning content in the online equivalent course offered in 2017 and 2018. Datacollected from YouTube analytics demonstrated similarusage behavior and retention in the videos when used asthe main learning resource in the online courses to whenthe videos were provided as supplementary resources.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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