Project VLOGI (Video Lectures on Giving Instructions): Effects on Learners’ Performance in Probability and Statistics
Notice bibliographique
Résumé
This quantitative study ascertained the benefits of project VLOGI as an intervention to the eighth-grade students in resolving the usual unattained learning competencies in Probability and Statistics, especially in the last quarter of the school year. The researcher utilized the true-experimental research design using vlogs as an intervention to this study. There were two (2) randomly selected classes out of the six (6) heterogeneous classes in school as (1) the control group (prevailing method) and (2) the experimental group (project VLOGI) in teaching. Respondents underwent pre-test and post-test utilizing the quality assured 20-item multiple-choice type of questionnaires, reviewed and verified by an expert panel of evaluators. The researcher used descriptive and inferential analyses using the SPSS 2.0 tool to analyze and interpret the outcomes. The study's significant results showed that learners improved their academic performance in Probability and Statistics using these vlogs. Likewise, learners gained knowledge while working on their projects to create vlogs. Furthermore, by capturing learners' attention and engaging them in their learning through various social media platforms, project VLOGI was served as an alternative teaching method in any discipline. Hence, project VLOGI was strongly recommended for teachers as a replacement when they are out of class due to ancillary functions in school to foster unattained learning competencies before the school year ends.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».