The impact of lecture capture availability on academic performance in a large biomedical science course
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 Lecture capture is a technology where live lectures are recorded in a digital format and made available to students to view at their convenience. The use of this technology in higher education has steadily increased despite mixed results as to whether it is beneficial to student achievement. The current study utilized a two-group quasi-experimental design to examine the impact of lecture capture availability on academic performance in a large enrollment, two-term, second year biomedical science course. Academic performance was compared between two matched cohorts enrolled in the same biomedical science course taught by the same instructor in which one course did not have access to lecture recordings (2017–18 academic year, N = 433) and the other did (2018–19 academic year, N = 414). Academic performance was evaluated by comparing scores on identical exam questions and the final grade earned in the course. Student’s t-test revealed that lecture capture availability resulted in a decline in performance on exams and the final course grade. We also evaluated whether lecture capture influenced student attendance via an in-class student response system and a t-test found that student attendance was comparable between the cohorts. A chi-squared test also found that lecture capture availability resulted in significantly more course failures. Importantly, a student’s t-test showed that GPA did not differ between the cohorts. To our knowledge this is the first study to show that lecture capture availability resulted in a decline in academic performance despite similar in-class attendance and GPA.
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 | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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