An Instructional Structure to Enhance Learning in Undergraduate Laboratories
Notice bibliographique
Résumé
Undergraduate laboratories are an important part of engineering and science curricula, as they have the potential to help students develop and improve many skills. Concerns, however, have been raised regarding the learning achieved in laboratories. This thesis provides a means of enhancing student knowledge in traditional undergraduate laboratories through the development and evaluation of an instructional structure. The instructional structure was developed based on modified Kolb’s experiential learning cycle, the expectancy-value theory of achievement motivation and multimedia design principles. Based on the instructional structure, web-based multimedia prelaboratory and postlaboratory exercises were developed which explain related theories, justify experimental procedures, and enable students to apply gained knowledge in new contexts. In addition, the exercises provided and demonstrated utility value of experiment-acquired knowledge. The instructional structure was developed and evaluated for two experiments in a second-year chemical engineering undergraduate laboratory course using an intervention cross-over methodology. Post-test case-control study design and surveys were used to assess the efficacy of the structure on student knowledge and motivation. Findings indicated that the prelaboratory exercises enhanced student knowledge through explanation of theories and rationale for experimental procedures. Further, this phase of conceptual understanding increased student motivation and encouraged them to be actively involved in learning while performing the experiment. Though results do not indicate a statistically significant increase in knowledge due to the postlaboratory exercises, students’ responses indicated that postlaboratories provided an opportunity to apply experiment-acquired knowledge to a new situation and integrate concepts learned in lecture with concepts learned in the lab course. There was also evidence that the instructional structure enhanced student breadth of knowledge. The instructional structure thus affords instructors a way to design prelaboratory and postlaboratory exercises to enhance student knowledge and motivation in undergraduate laboratories.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».