MétaCan
Menu
Retour à la cohorte
Enregistrement W4387013649 · doi:10.5539/ies.v16n5p84

Instructional Management Through Project-Based Learning Combined with Collaborative Learning to Enhance Learning Achievement of Undergraduate Students

2023· article· en· W4387013649 sur OpenAlexvenueno aff
Ajcharee Pimpimool

Notice bibliographique

RevueInternational Education Studies · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueTechnology-Enhanced Education Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologyNonprobability samplingTest (biology)Teaching methodAchievement testEducational technologyCooperative learningStandardized testPopulationSociology

Résumé

récupéré en direct d'OpenAlex

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,804

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,449
Écart entre enseignants0,411 · 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 tête enseignante, 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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Education StudiesMême sujetTechnology-Enhanced Education StudiesTravaux en français237 207