Is concept mapping favourable for undergraduates with different learning styles?
Notice bibliographique
Résumé
Background and objective: Concept mapping is a powerful metacognition and visual learning tool. However, human beings are born to understand and perceive the world using five basic senses. According to Neil Fleming’s VARK model, there are five different types of sensory modality groups which include visual, auditory, read/write, kinaesthetic and mixed modality. Therefore, this study aimed to investigate the effects of CM on students’ overall academic performance among visual, auditory, read/write, kinaesthetic and multi-modal dominant learners.Methods: This was a cross-sectional quantitative research study. The participants were nursing undergraduates in a private higher education institute and enrolled in the same course offered in the spring and summer semesters. At the beginning of the semester, the VARK questionnaire version 7.8 was used to identify students’ sensory modality groups. Concept mapping was adopted for teaching the course. After the semester, students’ overall academic performance was used to compare the differences between different sensory modality groups.Results: The mean grades of the spring students were: visual (M = 80.80, SD = 7.30), aural (M = 81.49, SD = 4.19), read/write (M = 81.16, SD = 8.69), kinaesthetic (M = 78.27, SD = 7.56) and multimodal (M = 79.56, SD = 7.65). The means grade of summer students were: visual (M = 74.68, SD = 8.59), aural (M = 78.79, SD = 9.38), read/write (M = 74.89, SD = 3.87), kinaesthetic (M = 77.10, SD = 9.69) and multimodal (M = 75.96, SD = 9.74). After comparing the average grades between different sensory modality groups in both spring and summer semesters using One-way ANOVA testing, there were no statistically significant differences found.Conclusions: The results of this study show that teaching with animated CM in PowerPoints and co-construction of CM seems to be applicable to learners with different sensory modality groups.
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 | 0,002 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 ».