The Role of Motivation in the Use of Lecture Behaviors in the Online Classroom
Notice bibliographique
Résumé
Aim/Purpose: Extant research provides conflicting information regarding the role that lecture behaviors play within e-learning lectures. This study sought to understand what role motivation plays in increasing the likelihood that students engage in lecture behaviors in general, and how motivation affects the differing types of lecture behaviors. Background: The growth of online learning has increased the importance of video lectures as a means of delivering content. As with offline lectures, students may find it useful to adapt and change the way they interact with lectures to improve their learning. One possible approach that allows students to effectively manage any challenges they have in understanding a lesson is to initiate lecture behaviors to alter the flow of information. Methodology: In the present study, a survey was administered to cyber university students (n = 2434) in order to examine at the relationship between intrinsic goal orientation (a type of motivation) and levels of lecture behaviors. Contribution: This research fills an important gap by showing the effects that motivation can have on how students interact with video lectures and suggests the ways in which students engaging in specific lecture behaviors do so in order to gain a better understanding of the content. As lecture behaviors are an important part of how students are interacting with this important and new method of teaching, it is important to understand which characteristics make students more likely to engage in lecture behaviors. Findings: Students who have higher levels of motivation are more likely to engage in lecture behaviors. These lecture behaviors may include splitting attention between media sources, pausing the video lecture, rewatching parts of the video lecture, and diverting attention to obtain better audio or visual clarity. Recommendations for Practitioners: Instead of just tracking students’ viewing progress on each course lecture video, instructors should further endeavor to measure their students’ use lecture behaviors in relation to online course lecture content. Doing so can provide valuable insight into students’ level of engagement with course lecture materials and overall levels of intrinsic goal orientation. Recommendation for Researchers: Researchers need to start factoring in how student characteristics interact with instructional engagement when investigating online learning. Impact on Society: Improvement in our understanding of online learning helps improve the quality of instruction, which provides a net gain for society. Future Research: This paper is a broad overview using a survey, so future research should focus on a more detailed analysis of lecture behaviors, possibly using controlled experiments.
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 | 0,003 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».