MétaCan
Menu
Retour à la cohorte
Enregistrement W2923192853 · doi:10.5539/ies.v12n4p198

Synthesis of Framework of Virtual Immersive Learning Environments (VILEs) Based on Digital Storytelling to Enhance Deeper Learning for Undergraduate Students

2019· article· en· W2923192853 sur OpenAlexvenueno aff
Thada Jantakoon, Panita Wannapiroon, Prachyanun Nilsook

Notice bibliographique

RevueInternational Education Studies · 2019
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDigital Storytelling and Education
Établissements canadiensnon disponible
Organismes subventionnairesNational Research Council of Thailand
Mots-clésStorytellingDigital storytellingContext (archaeology)Interpersonal communicationEducational technologyComputer scienceMultimediaIntrapersonal communicationInstructional designMathematics educationPsychologyNarrative

Résumé

récupéré en direct d'OpenAlex

This study aimed to synthesize theoretical and designing framework of Virtual Immersive Learning Environments (VILEs) based on digital storytelling to enhance deeper learning for undergraduate students. Documents analysis and survey research were employed in this study. The procedures were as follows: (1) to examine and analyze the principles, theories and related researches, (2) to study instructional context, (3) to synthesize the theoretical framework, and (4) to synthesize the designing framework. The results revealed that the theoretical framework comprised of four bases was as follows: (1) immersive technology, (2) digital storytelling, (3) Stories evaluation and (4) deeper learning. The designing framework consisted of 4 elements, were as follows: (1) VILEs based on digital storytelling to enhance deeper learning, (2) Supporting Cognitive, (3) Supporting Interpersonal and (4) Support Intrapersonal.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,591
Score d'incertitude au seuil0,606

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,427
Écart entre enseignants0,392 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetDigital Storytelling and EducationTravaux en français237 207