Association between learning style preferences and choices of teaching method among Iranian faculty members: A cross-sectional online survey
Notice bibliographique
Résumé
Background & Objective: Aligning faculty members' learning styles with their teaching approaches is a complicated topic in education.Understanding these inclinations can help enhance pedagogical practices and build a more inclusive learning environment.Thus, this study examined the relationship between learning style preferences and teaching technique choices among Iranian faculty members.Material & Methods: From May to July 2022, a cross-sectional online survey was conducted among faculty members at Iranian medical universities via the Porsline website.Virtual snowball sampling was used to recruit 526 individuals.The VARK questionnaire was translated into Persian and showed excellent reliability, with a Cronbach's alpha of 0.94.The final data collection tools included the translated VARK questionnaire, self-assessment questions about teaching methods, university resources, and digital media center equipment.Analytical methods included descriptive statistics, logistic regression analysis, and chi-square testing for data evaluation.Results: The survey found that clinical teachers preferred reading and writing (54%), whereas fundamental science educators preferred visual-auditory and reading-writing.The effect of gender, field of study, learning style, age, and professional academic factors on the dependent variable, teaching method, was investigated using chi-square tests and logistic regression.The findings revealed that while there was no significant relationship between the variable gender and teaching method, significant associations were found with the variables field of study, learning style, age, and professional academic.Notably, it was observed that the effect size of field of study, age, and professional academic on teaching method is small, while for learning style, it is medium in magnitude. Conclusion:The study uncovers a significant correlation between learning styles and teaching methods, suggesting that their learning backgrounds may shape teachers' teaching methods.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».