Use of interactive storytelling trailers to engage students in an online learning environment
Notice bibliographique
Résumé
Lack of student engagement in online learning is reported as the major challenge contributing to poor academic performance and completion rates. When transforming an in-person undergraduate remote sensing course to online, this study implemented interactive storytelling lecture trailers (ISLTs) as a tool to effect changes in the realms of behavioral, cognitive, emotional, and student-instructor engagement. We collected survey data to examine students’ own perception of how ISLTs impacted their online learning, and analyzed students’ course participation and performance on tests. Results indicated that ISLTs enhanced some aspects of students’ behavioral engagement such as page views, effectively engaged students’ emotions when viewing ISLTs, and improved student-instructor engagement. Regarding cognitive engagement, ISLTs were able to improve short-term learning skills like remembering and applying levels of thinking. A majority of students recognized that ISLTs enhanced their learning experience and made learning more accessible, while a few considered them burdensome and overwhelming. However, there was no clear evidence indicating that ISLTs enhanced participation or promoted students’ emotional engagement in the follow-up lectures. Further, the improvement of student-instructor engagement we observed through quantitative data analysis lacked representative qualitative support. In summary, this study demonstrates the utility of ISLTs as an online learning engagement tool for stimulating students’ interest and improving their performance in lower levels of cognitive thinking. Further work is required to explore ways to further enhance students’ participation and emotional engagement throughout the semester and confirm the usefulness of ISLTs for student-instructor engagement.
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 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».