MétaCan
Menu
Retour à la cohorte
Enregistrement W4322208039 · doi:10.1080/09650792.2023.2183875

Action research with projects to facilitate students to study research and prepare research proposals during the Covid-19 pandemic

2023· article· en· W4322208039 sur OpenAlexaff
Hasianna Nopina Situmorang, Freddy Tua Musa Panggabean, Manihar Situmorang

Notice bibliographique

RevueEducational Action Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensEncana (Canada)
Organismes subventionnairesResearch and Development
Mots-clésAction researchCompetence (human resources)PsychologyCoronavirus disease 2019 (COVID-19)Mathematics educationPandemicMedical educationPedagogyMedicine

Résumé

récupéré en direct d'OpenAlex

Knowledge and skills in the field of research are key requirements for the successful completion of studies for students, including prospective teachers. However, the outbreak of the COVID-19 coronavirus has made it difficult for students to conduct research in the usual ways. This study aims to apply project-based learning through action research to teach students educational research methods and to help them prepare research plans that are adaptive to classroom situations. This is achieved through the provision of learning resources to teach research theory, followed by the implementation of action research to write research proposals and evaluations of learning outcomes. Learning resources were systematically arranged to support online learning to teach research methods, and effective action research led students to learn actively and develop educational research plans. Competence in the field of research was achieved. Student learning outcomes sequentially for assignment scores (M = 88.38 ± 3.00), final project scores (M = 88.20 ± 3.55), and posttest (M = 92.06 ± 2.17) were all high. Project-based learning is shown to be effective in guiding students to learn actively by utilizing available learning resources. It motivates students to learn independently and can be applied to achieve competency targets in both normal and abnormal learning situations, such as those experienced during the COVID-19 pandemic.

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)0,032
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,169

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,003
Communication savante0,0050,003
Science ouverte0,0030,008
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0160,004

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 Opus0,790
Tête enseignante GPT0,674
Écart entre enseignants0,116 · 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'étudeQualitatif
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

Citations7
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEducational Action ResearchMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207