MétaCan
Menu
Retour à la cohorte
Enregistrement W3043779958 · doi:10.5430/jct.v9n3p1

Student Perceptions on Blended/Flipped and Traditional Face-to-Face: A Course Redesign Assessment

2020· article· en· W3043779958 sur OpenAlexvenueno aff
Yvonne M. Luna, Stephanie A. Winters

Notice bibliographique

RevueJournal of Curriculum and Teaching · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBlended learningFlipped classroomClass (philosophy)Mathematics educationPsychologyFace-to-facePerceptionPreferenceQualitative researchQualitative propertyPedagogyComputer scienceEducational technologyMathematicsSociologyArtificial intelligenceStatistics

Résumé

récupéré en direct d'OpenAlex

The blended and flipped class is often considered the most student-centered type of learning as it promotes deep and life-long learning. Using qualitative and quantitative data from anonymous surveys completed by students in two different introductory classes, one blended and flipped (N=56) and the other traditional lecture (N=74) taught by the first author during the same semester, this study reveals active learning in the blended and flipped class contributes to those students’: 1) positive perceptions of usefulness of course material; 2) perceptions of more time spent on their class; and 3) preference for blended and flipped learning. These findings provide for a deeper understanding of the results of an earlier study with these same cohorts where the blended and flipped learning outperformed the traditional face-to-face students on a pre-posttest. It also provides insight into the usefulness of blended learning and can help assuage fears that students are short changed when they don’t have face-to-face instruction. This article closes with suggestions for instructors wishing to pursue a flipped and blended classroom model.

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)0,004
score de la tête « metaresearch » (Gemma)0,013
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 enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,422
Écart entre enseignants0,348 · 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

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Curriculum and TeachingMême sujetInnovative Teaching MethodsTravaux en français237 207