Interactivity as a Retention Factor in Learning Biology Through the Protégé Effect
Notice bibliographique
Résumé
This study investigated the role of interactivity on the protégé effect, and explored how biology teachers can utilize it in their classrooms to reduce rote learning and facilitate long-term retention. This investigation utilized the generative learning theory, and adopted a non-equivalent quasi- experimental research design involving 60 students. The instruments used for this study include a stimulus instrument titled, Teachers’ Instructional Guide on Ecology of Population (TIGEP), which was used as guide for teaching ecology with the protégé effect, and three response instruments. The first, the Population Ecology Requirement Test (PERT), was used to show the required knowledge for the respondents on the protégé effect, while the second and third, the Population Ecology Achievement Tests (PEATs; version 1 and 2), helped to assess the learners’ performances. Results, obtained using analysis of covariance and Bonferroni post-hoc analysis, indicated that the protégé effect significantly influenced the performances of students on immediate tests (Fcal = F(3,55) = 24.47 > Ftab = 8.57, p < 0.001) and on the long-term retention of Biology concepts (Fcal = F(3,55) = 16.25 > Ftab = 8.57, p < 0.001). This study showed that interactivity, via the protégé effect, provides a strong indication for improving academic performance and retention of learned concepts in biology, as it assists in consolidating and integrating learned concepts.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».