Model of Flipped Classroom Environment for Mastery Learning Approach Using the “ZOOMRBT App”
Notice bibliographique
Résumé
In the digital era that encourages innovation in educational technology, it is crucial to incorporate the use of technology into pedagogy. Since the inception of hybrid learning and other approaches that involve students and instructors in educational activities, the learning environment has undergone significant changes. By utilizing instructional resources such as textbooks and videos, it has become feasible to engage with students beyond the confines of the classroom and during evening hours. Research conducted on students in grades 8 and 9 in Ontario, Canada, revealed that due to their limited spare time, they opted to study and complete their homework after school. Moreover, they exhibited a clear prioritization of their depth of subject knowledge over other factors. The study aimed to adapt the existing learning environment to establish a new environment conducive to mastery learning. It involved fifteen student participants, including an expert teacher in the flipped classroom teaching method. The study employed qualitative techniques such as focus groups, document analysis, expert agreement percentages, and innovative flipping of the classroom. The study resulted in the identification of five thematic analyses: learning flexibility, application skills, usage of application skills, mastery assessment, and the human touch. Collectively, these qualitative findings provide compelling evidence that the research participants actively engage with various aspects of the flipped learning environment, as outlined by the aforementioned themes. The participants in the case study acted as both fresh and established elements within the flipped learning environment.
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 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».