MétaCan
Menu
Retour à la cohorte
Enregistrement W1834165176 · doi:10.26522/vp.v12i1.1176

L’autorégulation conjointe de la cognition et des émotions : quel impact sur les apprentissages ?

2015· article· fr· W1834165176 sur OpenAlexvenueno aff
Bastien Wagener

Notice bibliographique

RevueVoix Plurielles · 2015
Typearticle
Languefr
DomaineNeuroscience
ThématiqueNeuroscience, Education and Cognitive Function
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPhilosophyPolitical scienceSocially distributed cognitionPsychologyCognition

Résumé

récupéré en direct d'OpenAlex

Les apprentissages consistent à résoudre des problèmes et à acquérir de nouvelles connaissances et compétences par le biais d’un ensemble de processus relevant de l’autorégulation. Deux aspects principaux rentrent en ligne de compte lorsque l’on cherche à améliorer la résolution de problèmes : la dimension émotionnelle et la métacognition. Les émotions, en tant que réactions organisées et utiles à une situation donnée, peuvent être tour à tour un atout ou un handicap lorsqu’il s’agit d’apprendre. Par ailleurs, la métacognition est constituée d’un ensemble de processus et de savoirs qui s’articulent autour de la prise de conscience et de la régulation de son propre fonctionnement, qu’il soit cognitif ou émotionnel. Grâce aux pratiques de l’attention (PA), issues de traditions permettant un travail sur la conscience et la régulation psychologique et physiologique, il est possible d’agir conjointement sur les cognitions et les émotions. Plusieurs travaux ont montré les nombreux bénéfices que présentent de telles approches et nous constatons également que les effets positifs sur l’autorégulation commencent à être de plus en plus étayés. Nous proposons donc de nouvelles approches holistiques permettant un travail global sur l’autorégulation qui prendraient en compte le traitement métacognitif des sphères cognitive et émotionnelle au bénéfice des apprenants. Simultaneous self-regulation of cognition and emotions and its consequences on learning Abstract: The learning process relies on problem-solving activities and the acquisition of knowledge and skills through self-regulation. Emotions and metacognitions are some of the key aspects that allow the improvement of problem-solving. The emotional dimension consists of structured and useful reactions in regard to a specific situation. Emotions can either be an asset or a disadvantage when one is involved in a learning situation. As for metacognition, it’s a compound of processes and knowledge (of cognitive or emotional nature) connected through self-regulation and self-awareness. Thanks to attentional practices (AP), one can regulate both cognitions and emotions. These AP come from various traditions focused on the exploration of the mind and self-regulation of psychological and physiological activities. Many studies show the positive effects of such practices on health, and some recent studies also report improvements in self-regulation thanks to AP. In this paper, we suggest that the creation of new holistic approaches would allow us to work on metacognition and emotions on a global scale, in order to improve the ability of individuals to engage in self-regulated learning efficiently.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,002
Communication savante0,0030,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,063
Tête enseignante GPT0,324
Écart entre enseignants0,260 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations8
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVoix PluriellesMême sujetNeuroscience, Education and Cognitive FunctionTravaux en français237 207