The Effectiveness of Library Instruction: Do Student Response Systems (Clickers) Enhance Learning?
Bibliographic record
Abstract
In the present study, we were interested in determining if library instruction would be more effective if personal response systems (clickers) were used during instruction. Furthermore we were interested in examining if students in a class could benefit from clicker technology even if they did not have access to a personal clicker. To examine these issues, we conducted 3 library instruction sessions: Session 1-half of the students were randomly assigned a clicker; Session 2-all students had individual clickers; and Session 3-clickers were not used. Although half of the students in Session 1 did not have clickers, they were presented with all of the information, were aware of the clicker questions, and were presented with the graphs of responses. Students in all 3 sessions completed a pretest and posttest and difference scores were calculated such that positive numbers indicated higher scores. Overall, scores were significantly higher for students who had access to clickers. A comparison of specific clicker use showed that both the individual and group clicker sessions led to significantly higher difference scores. Results indicated that the benefits of clickers are not limited to individual access and group clicker use was as effective. Overall, these results confirm research supporting the integration of technology into classroom instruction. Dans cette étude, nous avons cherché à déterminer si la formation en recherche documentaire était plus efficace lorsqu’on utilisait des systèmes de réponse personnelle (télévoteur). De plus, nous voulions savoir si les étudiants en classe profiteraient de cette technologie même s’ils n’avaient pas accès à un télévoteur individuel. Pour ce faire, nous avons organisé trois séances de formation en recherche documentaire. Pendant la première, nous avons distribué un télévoteur à la moitié des étudiants choisis au hasard. Pendant la deuxième séance, chaque étudiant disposait d’un télévoteur. Au cours de la troisième séance, aucun d’entre eux n’a utilisé cet appareil. Même si la moitié des étudiants n’avaient pas de télévoteur au cours de la première séance, ils ont reçu toute l’information, ils connaissaient les questions auxquelles il fallait répondre avec le télévoteur et les chercheurs leur ont présenté les graphiques des réponses. Tous les étudiants ont passé un prétest et un post-test et les différences de résultats ont été calculées afin que les chiffres positifs indiquent des résultats plus élevés. Dans l’ensemble, les étudiants qui avaient accès au télévoteur ont obtenu des résultats significativement plus élevés que les autres. La comparaison de l’utilisation spécifique du télévoteur a montré que les séances en groupe et individuelles au cours desquelles les étudiants utilisaient cet appareil entraînaient une différence significativement plus élevée en ce qui a trait aux résultats obtenus. Les résultats indiquent que les avantages du télévoteur ne se limitent pas à l’accès individuel et que l’utilisation de ce dispositif en groupe était aussi efficace. Dans l’ensemble, ces résultats confirment la recherche qui appuie l’intégration de la technologie dans l’enseignement en classe.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".