Effects of just-in-time inquiry prompts and principle-based self-explanation guidance on learning and use of domain texts in simulation-based inquiry learning
Notice bibliographique
Résumé
Although scientific inquiry with simulations may enhance learning, learners often face challenges creating high demand for self-regulation due to an abundance of information in simulations and supplementary instructional texts. In this research, participants engaged in simulation-based inquiry about principles of electric circuits supplemented by domain-specific expository text provided on-demand. They received just-in-time inquiry prompts for inquiry behaviors, guidance to self-explain electrical principles, both, or neither. We examined how these interventions influenced participants’ access of text information and achievement. Undergraduates ( N = 80) were randomly assigned to one of four groups: (1) inquiry prompts and principle-based self-explanation (SE) guidance, (2) inquiry prompts without principle-based SE guidance, (3) principle-based SE guidance without inquiry prompts, or (4) control. Just-in-time inquiry prompts facilitated learning rules. However, there was no main effect of principle-based self-explanation guidance nor an interaction involving both interventions. Effects of just-in-time inquiry prompts were moderated by prior knowledge. Although principle-based self-explanation guidance promoted re-examination of text-based domain information, reading time did not affect posttest scores. These findings have important implications for instructional design of computer-based adaptive guidance in simulation-based inquiry learning.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».