Utilizing active learning to engage engineering students in a freshman physics service course taught in an EFL environment
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
Abstract Engaging Electrical Engineering (EE) students in a freshman general physics service course is challenging as they see little relationship between the topics and their major. Non-native speakers enrolled in a course taught in English face an additional challenge beyond understanding the basic physics, that is, understanding specialized English. These challenges are especially serious at second tier universities in Taiwan where the students’ knowledge of physics coming out of high school is based on memorization rather than understanding and whose comprehension of the English language is less than ideal. As a result, they easily tire, stop listening, and stop attending classes. We show that an active learning based approach increases both students’ enjoyment of physics and understanding of new physics concepts and English. Bilingual guided discovery worksheets (GD) for PhET interactive simulations, smartphone-based games, small group flashcard responses, and a website summarizing the ‘big idea’ to be presented in each time slot were developed. The effect of this teaching strategy was measured both quantitatively (grades) and qualitatively (student survey). While students agreed that games were most enjoyable, there was no consensus on which activities were most helpful. Strong attendance (relative to lecture based courses) up to the end of the course suggests that students found class time interesting and useful. GD were most effective for topics in which students had little prior knowledge. The subsequent addition of smartphone-based games increased attendance and reported enjoyment, but did not significantly modify the final grade.
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 | 0,001 |
| 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 | 0,001 |
| 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 découle