MétaCan
Menu
Retour à la cohorte
Enregistrement W4225117536 · doi:10.1002/2211-5463.13421

Blended learning in a biology classroom: Pre‐pandemic insights for post‐pandemic instructional strategies

2022· article· en· W4225117536 sur OpenAlexaff
Irtaza Tahir, Victoria Van Mierlo, Victoria J. Radauskas, Wayne Yeung, Alastair Tracey, Rosa da Silva

Notice bibliographique

RevueFEBS Open Bio · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovative Teaching Methods
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésBlended learningFlexibility (engineering)Active learning (machine learning)Mathematics educationCritical thinkingPerceptionComputer scienceEducational technologyPsychologyArtificial intelligenceMathematics

Résumé

récupéré en direct d'OpenAlex

It is increasingly important to utilize novel approaches to improve student learning. This has become especially relevant throughout the COVID-19 pandemic. Previous studies have shown positive outcomes of blended learning on student satisfaction. Yet, there are limited data in the field of biology on how blended learning practices correlate with overall student performance. Moreover, there is a dearth of information on student perceptions about how blended learning has impacted their education. Through this study, we present insights on the impact of blended learning in a first-year cell and molecular biology course. Using mixed-methods research, we evaluated the impact of a blended learning course format on student performance in the learning categories of knowledge and understanding, communication and application, and critical thinking and inquiry. Using a pre- vs. postintervention analysis, we show that a blended learning course model does not change students' performance on multiple-choice and short answer assessments when compared to a nonblended learning course model. Through a qualitative assessment of student perceptions and sentiments, however, the implemented blended learning approach does appear to provide significant perceived benefits, including learner flexibility, consolidation of content, and the opportunity to apply course content to the 'real world'. While we recognize that our report describes a very specific blended learning model, we believe that our findings are generalizable to similar introductory courses. As such, we are confident that our case study will provide course designers with a useful foundation to build future blended learning courses.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0050,004
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,434
Écart entre enseignants0,352 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEBS Open BioMême sujetInnovative Teaching MethodsTravaux en français237 207