The Development of an Instructional Model Based on Flipped Using Technology-Based Learning to Enhance the Digital Literacy for Undergraduate Students in the Faculty of Education, Rajabhat University
Notice bibliographique
Résumé
Research objectives were to 1) investigate the current state and best practice of the instruction relying on flipped learning; 2) develop the instructional model based on flipped using technology-based learning to enhance the digital literacy for undergraduate students of Rajabhat University and 3) examine the effects of the model. The sample for fulfilling the 1st objective contained 119 instructors teaching educational technology or related fields within the faculty, 397 students, and 10 experts. Data were collected through 60 first-year students and three types of research tools: the developed model, a test of digital literacy, and a satisfaction questionnaire. Descriptive statistics, that is, arithmetic mean, standard deviation, and t-test were employed in data analysis. The research findings were as follows: 1) The current state of the instruction resulted from the instructors was found to be at an overall lower level (M = 2.43, SD = 0.63) as well as of the students (M = 2.46, SD = 0.65). The participants reflected that the best practice of the instruction included the flipped learning model and learning processes using technologies. 2) The developed model consisted of principle; objectives; learning processes; media, technologies and learning sources; and evaluation. Flipped learning included online and on-site approaches. Learning processes included 6 stages: making knowing learning process; studying from technologies and online learning sources; reflecting and questioning memos; exchanging knowledge; producing tasks; and evaluating. 3) The results of using the developed model showed that 3.1) digital literacy of the students after learning was found to be significantly higher than that of before the study at 0.05; 2) digital literacy of the students in the experiment group was found to be significantly higher than that of the control group at 0.05; and 3) students’ satisfaction was found to be positively highest level (M = 4.81, SD = 0.22).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».