Impact of Teaching a Proposed Unit on Successful Intelligence and Augmented Reality in Biology on Lateral Thinking and Science Fiction among High School Students in Al-Saih City, Saudi Arabia
Notice bibliographique
Résumé
The study examined the impact of teaching a unit based on the Theory of Successful Intelligence and Augmented Reality in Biology on developing lateral thinking and science fiction among high school students in Al-Saih City, Saudi Arabia. To verify the research experience's effect, a quasi-experimental design, the "Lateral Thinking Test," and the "Science Fiction Scale" were used. The research sample included 34 experimental and 37 control students (all high school students). The research tool used to examine both groups' lateral thinking contains 24 questions on concepts, alternatives, linkages, and ideas. Science fiction skills include alertness, flexibility, imagery, daydreaming, retreating from reality, and sustaining direction. The results demonstrated a statistically significant difference (0.05) between the average scores of the experimental and control groups for each lateral thinking skill and the lateral thinking test as a whole, in favor of the experimental group. Also, teaching a unit based on the Theory of Successful Intelligence and Applications of Augmented Reality in biology helps develop lateral thinking and science fiction. The research advocated applying the notion of Successful Intelligence and Augmented reality in high school, based on the study's results, to improve educational outcomes such as "lateral thinking" and "science fiction".
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».