Instructional Management Through Project-Based Learning Combined with Collaborative Learning to Enhance Learning Achievement of Undergraduate Students
Notice bibliographique
Résumé
Global citizenship should acknowledge various lessons in global education emphasizing learners as the global citizens. Teaching techniques integration that is suitable for contents and the nature of learners is considered as the heart of instructional management affecting students greatly in the 21st century. This study aims: 1) to determine the quality of the learning achievement test; 2) to compare the pre-test and post-test learning achievement of students through activities of the project-based learning (PjBL) combined with collaborative learning; and 3) to study student’s satisfaction toward PjBL activities. Research method includes 4 steps: 1) data study; 2) activity design; 3) tools creation; and 4) learning activity management. A questionnaire and a learning achievement test are implied as tools. The sample comprises 40 undergraduate students and 5 experts who are selected by the purposive sampling and have experienced teaching for more than 10 years from 4 higher education institutes. Data is analyzed with mean, standard deviation, and t-test. Results indicate that: 1) the learning achievement test that has been already qualified is a 5-choice, 65 items, which are a content validity and a whole reliability value of 0.912; 2) the post-test learning achievement is higher than the pre-test with a statistical significance level of .05; and 3) an overall student’s satisfaction is at the highest level (X= 4.72, SD = 0.33).
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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».