The Problem-Based Learning Process with A Cloud Learning Environment to Enhance Analysis Thinking
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study, is aimed at 1) synthesizing the conceptual framework of the problem-based learning process with a cloud learning environment (PBL-CLE process), 2) developing the PBL-CLE process, and 3) studying the result of the development of the PBL-CLE process. The research instruments include 1) the conceptual framework, 2) the PBL-CLE process to enhance analysis thinking, 3) learning achievement, and 4) analysis thinking assessment form. The statistics used in this research are 1) mean, 2) standard deviation, and 3) t-test. The findings reveal that 1) the PBL-CLE process consists of four components: (1) Input includes learning objectives, content, learners, teacher and cloud learning, (2) PBL-CLE process includes problem posing, problem analysis, problem understanding, research procedure, knowledge synthesis, conclusion and evaluation, presentation, and assignment assessment, (3) Output includes analysis thinking, learning achievement, and satisfaction, and (4) Feedback includes analysis thinking and learning achievement; 2) The result of suitability assessment of the PBL-CLE process to enhance analysis thinking is at the highest level; 3) The students’ learning achievement after the implementation of the PBL-CLE process to enhance analysis thinking is significantly higher than that before the implementation at a .01 level of statistical significance; and 4) The result of analysis thinking assessment after the learning process through the PBL-CLE process to enhance analysis thinking is at the very good level.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle