STEAM Micro-learning Model based on Massive Open Online Courses with Augmented Reality Technology to enhance Creativity and Innovation
Notice bibliographique
Résumé
This research addresses the pressing need for innovative educational frameworks that foster creativity and innovation in online learning environments. The study develops and validates a comprehensive model integrating STEAM education, micro-learning principles, and augmented reality (AR) technology within massive open online courses (MOOCs). Through systematic literature analysis and expert validation, the research demonstrates how these traditionally separate approaches can be combined to create engaging and effective learning experiences. The methodology employed a three-phase research and development approach: (1) systematic literature analysis using matrix mapping techniques to identify key components and relationships, (2) model development incorporating MOOC platform design, micro-learning structure, STEAM integration framework, and AR implementation, and (3) expert validation with ten qualified professionals in educational technology and instructional design. The evaluation instrument assessed model components, learning management stages, and measurement methods using a 5-point Likert scale. Results indicate strong expert endorsement of the proposed model across all evaluation criteria (overall mean = 4.72, SD = 0.46). Particularly high ratings were achieved for interdisciplinary connections (x̄ = 4.90) and STEAM media creation (x̄ = 4.90), demonstrating the model's effectiveness in maintaining meaningful cross-disciplinary integration in digital environments. The evaluation also validated the model's approach to assessing creativity and measuring innovation, providing a robust framework for evaluating complex educational outcomes. This research contributes to educational theory and practice by establishing a validated framework for integrating micro-learning principles with STEAM education and AR, advancing understanding of creativity development in online environments, and providing practical guidelines for implementing innovative educational approaches.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».