MétaCan
Menu
Retour à la cohorte
Enregistrement W4388550914 · doi:10.5539/hes.v13n4p149

Development of Problem-Based Learning Management Activities to Enhance the Knowledge, Skills, and Interests of Students

2023· article· en· W4388550914 sur OpenAlexvenueno aff
Xinyuan Zeng, Prasert Ruannakarn

Notice bibliographique

RevueHigher Education Studies · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueHealth and Well-being Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCurriculumProblem-based learningMedical educationTeaching methodPsychologyMathematics educationPopulationSkills managementMedicinePedagogy

Résumé

récupéré en direct d'OpenAlex

China's elderly population is on the rise, and there is a growing need for improved education for professionals in geriatric health care and management. "Age-Friendly Interior Design" is a mandatory component of the curriculum for students majoring in aged care and management. Problem-Based Learning (PBL) has been introduced as an innovative teaching model. The study aims to achieve several objectives:1) To compare the knowledge, skills, and interests of students after using Problem-Based Learning (PBL) against predefined criteria. 2) To compare the knowledge, skills, and interests of students after using the Traditional Teaching Method against predefined criteria, and 3)To compare the knowledge, skills, and interests of students after using Problem-Based Learning (PBL) and the Traditional Teaching Method. This research engaged students pursuing degrees in geriatric nursing and management at a university in Sichuan, China. It encompassed both a control group consisting of 42 students and an experimental group with 48 students. The findings indicated that both PBL and traditional teaching methods had a positive impact on enhancing students' knowledge, skills, and interests to some extent. Problem-based learning (PBL) was more effective in improving these aspects than traditional methods with a significance level of 0.05.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,520
Score d'incertitude au seuil0,330

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,041
Tête enseignante GPT0,457
Écart entre enseignants0,416 · 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'étudeObservationnel
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher Education StudiesMême sujetHealth and Well-being StudiesTravaux en français237 207