INFLUENCE OF LEARNING PREFERENCE ON SELF-EFFICACY AND PERFORMANCE IN MIXED-MODALITY FIRST-YEAR ENGINEERING DESIGN
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
All students have preferences for the way they receive and distribute information when the objective is learning. These preferences can be shown to have an effect on self-efficacy and on performance. The relationships between learning preference, self-efficacy and performance were studied using survey and grade data obtained from a first-year Engineering Design and Graphics course. The students were placed in one of three groups according to the modality (type) of design project they were given; a Simulation-Based project (SIM) using a software simulation tool, a Prototyping project (PRT) using a 3D printer, or a Simulation and Prototyping project (SAP) where they had to complete a design using both tools. Participants were given a custom survey that assessed self-efficacy and the VARK learning styles inventory which assesses learners on Visual, Aural, Read / Write and Kinesthetic learning preferences. 97 students were surveyed representing a response rate of 22.6%. Student performance was assessed by examining scores on a subset of questions related to design visualization on the final examination for the course. Data analysis involved examining the correlation between learning style and self-efficacy, and scores on final examination for each of the three course modality groups. Findings from this study include higher performance for Kinesthetic learners assigned a simulation-based project and low performance for Read/Write learners with a prototyping project. This study supports the hypothesis that student performance may depend on learning preferences coupled with design project modality.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle