The Total Learning Experience Model on the Cloud: TLX Model on the Cloud to Enhance Digital Teaching Skills for Teacher Professional Students
Notice bibliographique
Résumé
The total learning experience model on the cloud, or TLX model, is based on the application of concepts concerning the instruction management of teacher professional students, who are required to use technologies and innovations to produce instruction media that enable learners to learn and interact with instructors anywhere and anytime. The instruction management of this style is said to provide challenges and real experiences, leading to new bodies of knowledge and technology skills that help teacher professional students create the more efficient instruction media. The objectives of this research are (1) to design the total learning experience model on the cloud, (2) to develop the total learning experience model on the cloud, and (3) to study the results of the development of the total learning experience model on the cloud. The research tools include (1) the total learning experience process on the cloud, and (2) the assessment form on the suitability of the total learning experience model on the cloud. The results of this research show that (1) the overall suitability of the total learning experience model on the cloud (overall elements) is at the highest level (mean = 4.83, SD = 0.14), and (2) the overall suitability of the total learning experience model on the cloud is at the highest level (mean = 4.77, SD = 0.17). According to the results, it can be summarised that the total learning experience model on the cloud can be employed as a tool to promote learning through cloud technology in order to enhance digital teaching skills for teacher professional students through experiential learning process.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».