MétaCan
Menu
Retour à la cohorte
Enregistrement W1600801848 · doi:10.19173/irrodl.v15i6.1928

The influence of personality and chronotype on distance learning willingness and anxiety among vocational high school students in Turkey

2014· article· en· W1600801848 sur OpenAlexvenueno aff
Christoph Randler, Mehmet Barış Horzum, Christian Vollmer

Notice bibliographique

RevueThe International Review of Research in Open and Distributed Learning · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueImpact of Technology on Adolescents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChronotypePsychologyAgreeablenessExtraversion and introversionAnxietyNeuroticismPersonalityConscientiousnessBig Five personality traitsEveningOpenness to experienceDistance educationSocial psychologyMathematics education

Résumé

récupéré en direct d'OpenAlex

<p>There are many studies related to distance learning. Willingness and anxiety are important variables for distance learning. Recent research has shown that anxiety and willingness towards distance learning are moderated by personality. This study sought to investigate whether distance learning willingness and distance learning anxiety are associated with age, gender, occupation, chronotype and personality in a Turkish vocational high school students sample. Two measures of individual differences were implemented: chronotype (morningness/eveningness preference) and BIG-5 dimensions (agreeableness, conscientiousness, extraversion, neuroticism, and openness). Seven hundred and sixty-nine vocational high school students from Turkey filled out a self-administered questionnaire. Evening types, older, and female students had higher distance learning willingness scores than morning types, younger, and male students. No significant difference was found between chronotype groups with respect to distance learning anxiety. Furthermore, extraverted students reported a lower distance learning anxiety. Openness to experience was associated with high distance learning willingness. We conclude that evening types may benefit from distance learning more than other types.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,010
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,426
Écart entre enseignants0,396 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Review of Research in Open and Distributed LearningMême sujetImpact of Technology on AdolescentsTravaux en français237 207