A Development of Online Problem-Based Learning Model to Promote Self-Regulated Learning among Undergraduates
Notice bibliographique
Résumé
This research aimed to develop and evaluate an online problem-based learning (PBL) model to enhance undergraduates' self-regulated learning (SRL). The Research and Development method was used in two phases: the first was to develop and validate the model. It began with a literature review to identify core features of effective PBL and SRL within an online environment, then set a concept framework and create the model manually. Seven experts were reviewed following the model, and it was piloted for further optimization. Second, the model will be implemented and evaluated with a sample of 52 students at Thailand National Sports University, Chumphon Campus. The main instruments used were the developed model, the model quality questionnaire, SRL assessments (pre- and post-), and after-action review forms. The results showed that (1) a developed model consisting of four sections: orientation of the model, the model of instruction, application, and student outcomes. Six core components: authentic problems, online collaborative learning, self-regulated learning, instructional scaffolding, online learning resources, and authentic assessments, which are organized through three main processes: preparation, implementation of SRL strategies, and summative assessment, and all activities using an iterative learning three stages: meeting the problem and planning, doing and checking, and presenting the result and reflecting. Experts agreed on the quality of this model, which was excellent. (M= 4.61, SD=0.52). (2) Average SRL score was significantly higher after learning with this model compared to prior us (p<0.01, large effect size; d=1.03). The findings of this study support the developed model that can improve the students' SRL effectiveness. Overall, the students agreed that an instructor plays a critical role in developing their SRL and problem-solving skills. The students demonstrated more self-assurance and were apt to use this method to learn other subjects.
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 | 0,004 | 0,009 |
| 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 | 0,003 |
| 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 ».