MétaCan
Menu
Retour à la cohorte
Enregistrement W3117879718 · doi:10.5267/j.ijdns.2020.11.004

The effect of e-learning in developing high thinking skills

2020· article· en· W3117879718 sur OpenAlexvenueno aff
Ni’mat Rababa

Notice bibliographique

RevueInternational Journal of Data and Network Science · 2020
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologyPerceptionHigher-order thinkingCritical thinkingHigher educationCooperative learningPedagogyTeaching methodCognitively Guided Instruction

Résumé

récupéré en direct d'OpenAlex

This research aims to investigate the impact of adopting e-learning in an attempt to enhance higher thinking skills among students at the University of Jordan. In addition, we examine the relationship between e-learning and higher thinking skills and identify the effect of e-learning on higher thinking skills at the University of Jordan. The study examines the effect of using e-learning effectiveness and its effect on developing higher students’ thinking skills at the university level. The study also focuses on intellectual education for high-level thinking and the impact of the e-learning environment on a group of students at the University of Jordan. The target community for this study is undergraduate students at the University of Jordan, in Amman, Jordan. The resulted sample consists of 45 students. During the experiment, two research tools were used to analyze the relationship between the independent and dependent variables. The quantitative data are collected from the students’ perception analyzed using some statistical tests. The results of the research indicate that students could be helped to enhance higher-order thinking skills and maybe enriched by integrating an e-learning model into teaching and learning. There is also a positive relationship between e-learning and higher thinking skills at the University of Jordan. The experimental results of this study indicate several results, as the adoption of the e-learning model led to a significant improvement in the higher thinking skills of students. The e-learning model can remove many social and cultural barriers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,884
Score d'incertitude au seuil0,276

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,018
Tête enseignante GPT0,348
Écart entre enseignants0,329 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Data and Network ScienceMême sujetOnline and Blended LearningTravaux en français237 207