PROJECT TALA (TECHNOLOGY-BASED ACTIVITY AND LEARNING ASSISTANT): AN INTERVENTION TO MAXIMIZE PERFORMANCE OF ICT LEARNERS IN MODULAR DISTANCE LEARNING
Notice bibliographique
Résumé
This study aimed to develop an intervention to maximize the performance of ICT 12-Shannon learners in Computer Programming during the first semester of S.Y. 2021-2022. The study involved 56 learners to gather data and utilized the descriptive research design. Based on the findings, learners experienced difficulties in Computer Programming specifically in one of the learning competencies during the second quarter which is apply basic of java language. To address this problem, the researcher utilized chatbot technology and came up with Project TALA (Technology-based Activity and Learning Assistant) which provides interactive and immediate responses when prompted by learners and delivers the content of the learning activity sheet. It is an automated instructional material that can be accessed by learners through the messenger application. The learner should provide the lesson code to prompt TALA to deliver the lesson. There will be two options on how to go through the lesson; text/image format and video format. The content is based on the learning activity sheet for week six of the second quarter with the learning competency of apply basic of the java language. TALA can also provide supplementary learning materials and additional examples of the lesson. Learners are expected to give their answers to the activity in real-time. After the implementation of Project TALA, it was revealed that there is an improvement in the performance of the learners as revealed by Pre-Test and Post-Test results. With this result, the researcher recommends TALA be replicated in other learning areas.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».