The Development of Virtual Online Classrooms in the Digital Age through the Application of the Metaverse Spatial Platform in the Teaching of Algorithms and Programming for First-Year Computer Studies Students
Notice bibliographique
Résumé
This research aimed to develop Virtual Online Classrooms (VOC) in the digital age using the Metaverse Spatial application (Metaverse Spatial) in the Algorithms and Programming subject for first-year computer studies students. The objectives were: (1) to evaluate the instructional efficiency based on the E1/E2 criteria of 80/80, (2) to compare students’ academic achievement before and after learning through VOC in the digital age, and (3) to assess students’ satisfaction with learning through VOC supported by Metaverse Spatial. The sample consisted of 46 first-year Computer Studies students who enrolled in the Algorithms and Programming subject during the second semester of the 2024 academic year. The sample was selected using cluster random sampling. The research instruments included a learning management plan, a 45-item achievement test, and a 25-item student satisfaction questionnaire. Data were analyzed using mean, percentage, and standard deviation. The results revealed that: (1) the instructional efficiency (E1/E2) met the criteria at 83/86.8, indicating improved learning outcomes; and (2) students’ academic achievement after instruction (x̅ = 39.05, S.D. = 1.49) was significantly higher than before instruction (x̅ = 21, S.D. = 2). This confirms the effectiveness of virtual classrooms using the Metaverse Spatial application in enhancing student learning.
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 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».