MétaCan
Menu
Retour à la cohorte
Enregistrement W4414617996 · doi:10.5539/jel.v15n1p193

The Immersive Connectivist Learning Environment to Enhance Creative Innovation Skills for Higher Education

2025· article· en· W4414617996 sur OpenAlexvenueno aff
Rukthin Laoha, Sutthikarn Bojukrapan

Notice bibliographique

RevueJournal of Education and Learning · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensnon disponible
Organismes subventionnairesRajabhat Maha Sarakham University
Mots-clésHigher educationAdaptabilityLearning environmentQuality (philosophy)Instructional simulationImmersive technologySample (material)Educational technology21st century skills

Résumé

récupéré en direct d'OpenAlex

This research report titled creating an immersive connectivist environment to enhance creative innovation skills for higher education aims to 1. design an immersive virtual learning environment that connects knowledge to enhance creative innovation skills for higher education students. 2. evaluate the quality of the designed immersive connectivist virtual learning environment. 3. compare students’ academic achievement before and after using the immersive environment and 4. examine students’ satisfaction with the immersive learning environment. The sample group consisted of 30 experts and 33 undergraduate students from Udon Thani Rajabhat University. The findings revealed that 1. creative innovation skills in higher education can be categorized into seven main areas (analytical and problem solving skills, teamwork, storytelling and presentation, self-directed learning, creative risk-taking and experimentation, digital and technological literacy, and adaptability and flexibility). 2. The environment was rated highly appropriate by experts, with an average score of 4.43 and a standard deviation of .50. 3. A paired-sample t-test was conducted to examine the difference in students’ academic achievement before and after using the immersive learning environment. The results showed that the post-test scores (M = 41.61, SD = 2.68) were significantly higher than the pre-test scores (M = 30.85, SD = 2.48), with a t-value of 12.50 and p < .05. This statistically significant result indicates that the immersive environment had a positive effect on students’ academic performance and 4. students expressed high satisfaction with the immersive learning experience, with an average score of 4.38 and a standard deviation of .49.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,393
Écart entre enseignants0,380 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetCreativity in Education and NeuroscienceTravaux en français237 207