Using online decision trees to support students’ self-efficacy in the laboratory
Notice bibliographique
Résumé
Failed experiments are a common occurrence in research, yet many undergraduate science laboratories rely on established protocols to ensure students are able to obtain results. While it is logistically challenging to facilitate students’ conducting their own experiments in the laboratory, allowing students to “fail” in a safe environment could help with the development of problem-solving skills. To allow students a safe place to fail and encourage them to think through a laboratory protocol, online decision trees were created to lead students through protocols and give them timely feedback. The online decision trees present students with a scenario, then students execute a protocol by selecting options that will lead them down different paths and result in various realistic results from their experiments. They receive feedback and instructional tutorials throughout the simulation that are dependent on their choices. The significance of this new resource for student learning is that it allows students to practice their problem-solving skills and gain theoretical knowledge about the purpose of various experimental steps. The purpose of this research study was to evaluate whether online decision trees affected students’ self-efficacy, metacognition, and motivation for completing a wet laboratory. A mixed-methods approach was used; three surveys were administered throughout the academic term. For survey 1, students completed the decision tree and survey before the wet laboratory. For survey 2, students completed the survey before the wet laboratory but completed the decision tree after the wet laboratory. Students’ reported self-efficacy and intrinsic motivation were increased with the administration of the online decision trees before the wet laboratory, but their extrinsic motivation and metacognitive scores were unchanged. For survey 3, students provided written feedback about the impact of the online decision trees, and their responses highlighted the importance of the visual components of the approach.
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 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 | 0,000 | 0,000 |
| 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 | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».