Uncovering evidence: Transitioning from face-to-face to online learning.
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: There is a need for evidence-based choices when integrating innovative teaching technologies into dental hygiene and dentistry education. Examining both the direct and indirect effects of these technologies can help to inform and enhance teaching practices. The aim of this study was to compare traditional lectures with online modules tailored to diverse learning style preferences, exploring how these approaches influence student engagement, retention, and recall. Methods: Second-year dental hygiene and first-year dentistry students were randomly assigned to 1 of 2 teaching conditions (in-person lecture, online lecture) in a common communications course. Baseline measures of content achievement, Edmonds learning style preferences, and comfort levels with learning online and in-person were recorded prior to the lecture using the pre-lecture assessment survey. Students completed post-lecture assessments immediately after the lecture and again 6 months later. Results: Regardless of the teaching condition, students showed significant improvement in their academic performance compared to the baseline measures. Their learning style preferences were found to be linked with higher engagement levels, a sense of accomplishment, and control over their learning environment. Conclusions: Teaching health sciences students presents challenges, especially when transitioning from traditional in-person classes to online learning, which may lack engagement for some. Accommodating diverse learning style preferences is crucial for maximizing technology's benefits in education and enhancing learning outcomes. A blended approach, combining face-to-face and online lectures, can optimize student learning experiences, emphasizing the importance of considering varied preferences in educational strategies, particularly in the post-pandemic era.
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 | 0,000 | 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) | 0,000 | 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 découle