The Reality of Using E-learning Strategies to Improving the Learning of Mathematics for Undergraduate Students
Notice bibliographique
Résumé
This research aims to know the reality of using e-learning strategy in improving the learning of mathematics in university education, and to know the moral differences between the variables, the researcher used the descriptive and analytical method with the questionnaire tool consisting of (30) paragraphs distributed in the fields of education, learning and evaluation, addressed to a random sample of (110) students and the Mathematics teaching staff of (34) members of Prince Sattam bin Abd Al-Aziz University in Wadi Al-Dawasir at tow Colleges (Arts, Sciences and Engineering) for the first semester of the academic year 2021.After collecting and analyzing data statistically, the researcher came up with the following findings: The most important ones are: the existence of good efficiency in using e-learning strategies in teaching Mathematics , learning and evaluation process, especially in the focus of education, the presence of obstacles in the way of the use of e-learning strategies in learning the university student, especially weak internet, and the absence of statistically significant differences in the efficiency of using strategies of e-learning in learning Mathematics for gender , and for the cumulative academic rate, there is an urgent need for training faculty members and students to improve the use of e-learning strategies in teaching and learning Mathematics, especially when it comes to developing.The research came up with a set of recommendations the most important of which is increasing community awareness to calling for: action to spread the culture of using e-learning in teaching in universities, addressing the obstacles facing the use of e-learning strategies, draw attention to training students and members of Mathematics teaching staff on what is new in the field of educational technologies.
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 | 0,011 | 0,035 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».