Multimedia Computer-Based Lessons on Programming with Scratch in Technology Integrated with the TGT Cooperative Learning Technique to Enhance Learning Achievement and Teamwork Ability of Thai Grade 7 Students
Notice bibliographique
Résumé
The purposes of the current study were to examine the effectiveness of the multimedia computer-based lessons on programming with Scratch in Technology integrated with the TGT cooperative learning technique based on the 80/80 efficiency criterion,  to compare the learning achievement of Grade 7 students between those taught using multimedia computer-based lessons integrated with TGT and those taught using traditional instructional methods, to investigate the teamwork skills of Grade 7 students when learning through multimedia computer-based lessons integrated with the TGT cooperative learning technique, and to explore students' satisfaction with the multimedia computer-based lessons integrated with the TGT cooperative learning technique. The study employed experimental research design, comparing the learning achievement and teamwork skills of students who learned with Scratch and TGT (n=40) to those who received traditional instruction (n=40). The research instruments included a Scratch-TGT integrated learning plan, a learning achievement test, a teamwork skills assessment, and a student satisfaction questionnaire. The findings indicated that the Scratch and TGT integrated learning approach was highly effective. The process and product effectiveness scores met the 80/80 efficiency criterion, and the experimental group outperformed the control group in learning achievement. Additionally, students' teamwork skills were rated at a very high level. Student satisfaction was also at a very high level, which indicates positive engagement with the integrated approach.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».