The Role of Learning Approaches as Mediator between Peer Social Support and Self-Regulated Learning among Engineering Undergraduates
Notice bibliographique
Résumé
This study examines the relationship between peer perceived social support, learning approaches and dimensionsin self-regulated learning. This study employed a quantitative method through a survey using questionnaireswhich were distributed to a total of 93 engineering undergraduates from the Universiti Teknikal MalaysiaMelaka. The Revised Study Process Questionnaire, LASSI and Multidimensional Perceived Social Support wereused to measure students’ beliefs about self-regulatory processes, knowledge, learning approaches, andperceived social support from peers. Statistical test for mediation was conducted using a series of regressionanalyses. Results indicate that out of nine dimensions of self-regulated learning, only three dimensions i.e.information processing (r=.22, p<.05), motivation (r=.37, p<.01), and self-testing (r=.32, p<.01) that were foundto be significantly associated with only deep learning approach dimension. Peer perceived social support wasfound to be associated with students’ information processing (r=.31, p<.01) and motivation (r=.26, p<.01). Itshows that peers also have significant role in the development of students’ ability in processing the informationand promote students’ needs of achievement. Based on the findings, the following theoretical and practicalapplications are suggested in order to be applied specifically among engineering undergraduates.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».