Investigating a blended learning context that incorporates two-stage quizzes and peer formative feedback in STEM education
Notice bibliographique
Résumé
Researchers have expressed concern about the state of STEM education. To improve this situation, new pedagogies, such as blended learning, have been proposed and tested. The last decade has seen an increase in the use of blended learning to support learning; however, the effect of blended learning on learning remains unclear and often mixed. The two studies in this paper draw on data from pre-university science students in the following courses: (1) Electricity and Magnetism (E&M) and (2) Waves, Optics & Modern Physics (Waves). In study 1, the treatment group (blended learning coupled with two-stage quizzes & peer formative feedback) performed significantly higher than the control group (lecture format with online homework & instant feedback) in the standardized final exam. In contrast, in study 2, there was a non-significant main effect of groups, indicating that the treatment group (blended learning with online homework & instant feedback) and the control group (lecture format with online homework & instant feedback) performed similarly in the standardized final exam. The finding of study 1 suggests that the effect of an instructional pedagogical framework embedded in a blended learning context improves performance in STEM education. Whereas the finding of study 2 suggests that a blended learning context without incorporating any instructional framework or support for cognition other than the lecture is comparable to a traditional face-to-face course.
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 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».