Virtual Mystery Webtool: Collaborative Critical Thinking with Online Hybridised Problem-Based 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
Integration of digital technologies in post-secondary curricula has increased since its widespread implementation during the COVID-19 pandemic (Strielkowski, 2020; Sukula et al., 2020). The Virtual Mystery (VM) webtool is an online asynchronous hybridised problem-based learning webtool designed to provide cost-effective small group collaborations for large in-person courses. The practical and unique nature of each mystery promotes collaborative critical thinking and self-directed learning. The VM webtool facilitates experiential learning and has demonstrated success in large introductory Anthropology courses (Fukuzawa et al., 2021). In this study, we examine the effectiveness of the VM webtool in a variety of different course disciplines with smaller class sizes in both online and in-person course modalities. Quantitative data of student rankings on five-point Likert scale and qualitative responses from open-ended questions were collected in post-course surveys across four undergraduate courses which included Biological Anthropology, Archaeology, Psychology, and Forensic Toxicology. The results demonstrate positive responses for the content and problem-based learning application of the VM webtool across disciplines and course levels. Student responses highlighted the need for updated technological solutions to enhance student communication in the VM webtool, leading to a larger discussion on challenges of sustainability with online applications in the digital age.
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 | 0,019 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,016 | 0,024 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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