Using PowerPoint and H5P to Create Interactive Animated Instructional Videos
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: The advantages of animated videos in education are widely recognised, yet their use by educators is restricted by the technical skills and resources needed for their production. APPROACH: We have used the built-in animation and voice-over narration features of Microsoft PowerPoint to create full-fledged animated videos for students in the Doctor of Dental Surgery (DDS) program. H5P was used to add interactive self-assessment questions to the videos. Three interactive animated videos on oral epithelium and biofilms were posted in the learning management system (LMS) for the first and second year DDS students. EVALUATION: A descriptive study was conducted to demonstrate student interactions and perceptions of interactive animated videos. First and second-year DDS students were automatically enrolled in the study. Student engagement data, in the form of the number of interactions with the interactive animated videos, were collected from the LMS. They were also invited to participate in a voluntary survey. Although the interactive animated videos were posted as supplementary learning content, most students accessed the videos. Ninety-four percent of the survey respondents indicated that the videos helped clarify concepts and made learning enjoyable. They also positively valued the interactive self-assessment questions incorporated into the videos. IMPLICATIONS: PowerPoint can be a simple yet effective way to create animated videos. Although this study has a small number of participants, the findings highlight the potential of interactive animated videos as an effective teaching tool to enhance student engagement and learning experiences.
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.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle