Culturally situated self-regulated learning in statistics in a computer-supported collaborative environment
Notice bibliographique
Résumé
This thesis examines the role of context, especially cultural context, in contemporary theoretical models of self-regulated learning. A critical review of prominent models revealed that although current models of self-regulated learning recognize the role of social contexts in forming self-regulatory competency, they assume that, once established, self-regulation functions largely independently of the social context. However, this is not the case in social situations, nor is it the case in Eastern cultures and many non-mainstream Western sub-cultures, in which individuals typically self-regulate in relation to others. To address this issue, a situated discourse model of self-regulated learning was developed to involve both individually oriented and socially oriented regulatory processes. This model was then tested in a context of computer-supported learning in statistics. Participants were 30 Canadian male students and 30 Chinese male students who were enrolled in a major university in Canada. The students were randomly paired to learn analysis of variance for one hour as they solved a data analysis problem by using a computer tutor. Pairs were allowed to learn in a way of their own choice or simply by following the directions prescribed by the researcher. The students had little or no prior knowledge of analysis of variance. The results were consistent with research hypotheses derived from the proposed model. Compared with Chinese pairs, Canadian pairs engaged more with tasks of their own choice as revealed in the computer logs, and favoured more individually oriented actions both in solving their problem and in learning on the computer tutor as shown in their discourse. Moreover, Canadian pairs demonstrated a stronger preference for the employment of individually oriented self-regulatory strategies in the forethought and performance phases of self-regulated learning than did Chinese pairs. Furthermore, there were significant differences between Canadian pai
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 | 0,003 | 0,006 |
| 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 | 0,002 | 0,005 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 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 ».