Comparing Self-Reports to Traces of Studying Behavior as Representations of Students' Studying and Achievement
Notice bibliographique
Résumé
Ein Vergleich von Selbstberichtdaten mit verhaltensbasierten Indikatoren des Lernverhaltens und der Leistung von Studierenden Zusammenfassung: In dieser Studie verglichen wir Modelle des selbstgesteuerten Lernens, die auf dem Selbstbericht versus der Aufzeichnung von “Verhaltensspuren” des Einsatzes von Lerntaktiken beim Lesen eines Textes beruhen. Die selbst berichteten Lerntaktiken unterschieden sich von den im Verhalten tatsächlich gezeigten Taktiken. In getrennten Regressionsmodellen erwiesen sich sowohl selbst berichtete als auch im Verhalten gezeigte Taktiken als Prädiktoren der Leistung, wobei jedoch unterschiedliche Arten von Taktiken in die beiden Modelle aufgenommen wurden. Getrennte Hauptkomponentenanalysen zeigten, dass verhaltensbasierte Indikatoren andere Formen selbstgesteuerten Lernens beschreiben als selbst berichtete Taktiken. Dies lässt darauf schließen, dass der Selbstbeschreibung des eigenen Lernverhaltens andere Prinzipien zugrunde liegen als der tatsächlichen Ausübung dieses Verhaltens. Wir schlagen daher vor, dass in der Forschung zum selbstgesteuerten Lernen und seiner Beziehung zu Lernleistungen sowohl Selbstberichtsdaten als auch verhaltensbasierte Indikatoren des Einsatzes von Lerntaktiken verwendet werden sollten.
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 | 0,005 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».