MétaCan
Menu
Retour à la cohorte
Enregistrement W4389376986 · doi:10.19173/irrodl.v24i4.7005

Integrating Community of Inquiry Framework Principles With Flipped Classroom Pedagogy to Enhance Students’ Perceived Presence Sense, Self-Regulated Learning, and Learning Performance in Preservice Teacher Education

2023· article· en· W4389376986 sur OpenAlexvenueno aff
Abbas Taghizade, Esmaeil Azimi, Hassan Mahmoodian, Salman Akhash

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSense of communityPsychologyMathematics educationBlended learningFlipped learningExperiential learningEducational technologySelf-regulated learningPedagogyFlipped classroomCommunity of inquirySocial psychologyCognition

Résumé

récupéré en direct d'OpenAlex

The purpose of this study was to assess the effectiveness of integrating community of inquiry (COI) framework principles with flipped classroom pedagogy to enhance students’ perceived presence sense, self-regulated learning, and learning performance. A quasi-experimental study was conducted to examine whether integrating COI framework principles with flipped classrooms could enhance college students’ perceived presence sense, self-regulated learning, and learning performance. The participants were 64 third-year male college students in an online course at a teacher education university in Iran in 2021. The study employed the COI Survey, the online self-regulated learning questionnaire (OLSQ), and a teacher-made test to measure learning performance. The results indicated significant between-group differences in perceived presence sense, self-regulated learning, and learning performance (p < 0.001). Integrating COI framework principles with flipped classroom pedagogy was an effective approach to enhancing perceived presence sense, self-regulated learning, and learning performance among teacher education students.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,121
Tête enseignante GPT0,541
Écart entre enseignants0,421 · 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'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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207