Effectiveness of Employing the E-mind Mapping Strategy in Scientific Courses: Adopting the Blended Learning Approach at Emirati Private Preparatory Schools
Notice bibliographique
Résumé
This article explored the effectiveness of employing the e-mind mapping strategy in scientific courses in Emirati private preparatory schools in the light of adopting the blended learning approach. It explored that from the perspective of students. The researchers adopted the descriptive analytical and quantitative approaches. They used a survey that was developed by them based on several studies. Those studies were published in peer-reviewed journals. The forms of the survey were uploaded to the web through using the use of Google Form. The purposive sampling method was employed. For instance, the researchers sent the link of the survey to 400 students in five Emirati private preparatory schools. Two schools of those ones are located in Ajman, one school in Abu Dhabi, one school in Dubai and one school in Sharjah. However, 182 forms were filled. The response rate is 45.5%. The researchers used descriptive statistical methods. They found that the effectiveness of employing the e-mind mapping strategy in scientific courses in Emirati private preparatory schools in the light of adopting the blended learning approach is high. This strategy promotes innovation within students and improves their learning skills. It enables students to carry out self-learning practices. It improves students’ ability to do writing-related tasks. The researchers recommend holding courses for teachers for teaching them the way of creating e-mind maps through using various software.
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 | 0,005 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».