XiaoMi-AI文件搜索系统
World File Search SystemFMGPCU
7E学习周期的影响丰富了计算机动画对学生的概念理解和克服误解的影响
虽然计算机动画有可能协助学习者理解困难的概念并消除误解，但支持这一主张的研究很少。本研究调查了如何与计算机动画集成的7E教学模型如何影响学生对食物生长和植物生长的概念理解和误解。实验组被教授7E学习周期模型[7E LCM]，而7E LCM则使用计算机动画[CA]教授对照组传统的指导方法。使用了两层概念理解多项选择测试和半结构化访谈来收集数据。ANOVA分析表明，群体或性别在植物概念理解中没有显着差异[FMGPCU]和Misconceptions测试评分[PRE-MC]。但是，FMGPCU后和MC后平均得分存在显着差异，而7E LCM的CA在改善概念理解和最小化误解方面显示出更好的结果。Manova显示，男女学生的FMGPCU和MC后结果之间没有统计学上的显着差异。结论是，具有CA的7E LCM比其他教学方法更有效地增强了学生的概念理解并更有效地最大程度地减少了误解。建议在生物学教学中使用类似的设计。
通过计算机丰富 7e 学习循环的效果 - ...
虽然计算机动画有可能帮助学习者理解困难的概念并消除误解，但支持这一说法的研究却很少。这项研究调查了与计算机动画相结合的 7E 教学模式如何影响学生对食物制作和植物生长的概念理解和误解。实验组学习了 7E 学习周期模型 [7E LCM] 和带有计算机动画的 7E LCM [CA]，而对照组学习了传统教学方法。使用两层概念理解多项选择测试和半结构化访谈来收集数据。方差分析显示，在食物制作和生长之前植物概念理解 [FMGPCU 之前] 和误解之前测试分数 [MC 之前] 方面，不同组或性别之间没有显著差异。然而，FMGPCU 后和 MC 后平均分数存在显著差异，带有 CA 的 7E LCM 在提高概念理解和减少误解方面表现出更好的效果。 MANOVA 显示，男女学生在 FMGPCU 和 MC 后的结果之间没有统计学上的显著差异。结论是，与其他教学方法相比，带有 CA 的 7E LCM 可以更有效地增强学生的概念理解并最大限度地减少误解。建议在生物学教学中使用类似的设计。