MétaCan
Menu
Retour à la cohorte
Enregistrement W3004065162 · doi:10.5430/ijhe.v9n2p200

Appropriate Learning Management for Studentswith Different Learning Styles within a Multicultural Society at State-run Universities in Thailand

2020· article· en· W3004065162 sur OpenAlexvenueno aff
Chidchanok Churngchow, Narongsak Rorbkorb, Ontip Petch-urai, Jirawat Tansakul

Notice bibliographique

RevueInternational Journal of Higher Education · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueLearning Styles and Cognitive Differences
Établissements canadiensnon disponible
Organismes subventionnairesPrince of Songkla University
Mots-clésLearning stylesMulticulturalismStyle (visual arts)Mathematics educationPsychologyPedagogyFocus groupPragmatismWork (physics)Active learning (machine learning)SociologyComputer scienceEngineeringArtificial intelligenceGeography

Résumé

récupéré en direct d'OpenAlex

This research aimed to discover appropriate learning management to suit students’ different learning styles within a multicultural society at state-run universities using mixed methods research of explanatory design. A survey was first conducted followed by focus group discussions. It was found that the students consisted of all four types of learning styles: reflector, activist, theorist and pragmatist, while, reflectors were the majority group. The results also showed that students from different disciplines and types of highschools used different learning styles. However, the participants in the focus groups, especially the Muslim students, stated that they employed the pragmatic style as well as their dominant style. It is suggested that a teaching style incorporating practiced-based learning, such as lab-work, field work or project-based learning would suit all students. Student-centered classes and active leaning are also recommended as being appropriate for all types of student learning styles.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,019
Tête enseignante GPT0,329
Écart entre enseignants0,310 · 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 source (Gemma direct ou Codex distillé), 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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Higher EducationMême sujetLearning Styles and Cognitive DifferencesTravaux en français237 207