MétaCan
Menu
Retour à la cohorte
Enregistrement W2004921646 · doi:10.2308/iace.2007.22.1.21

Sink or Skim: Textbook Reading Behaviors of Introductory Accounting Students

2007· article· en· W2004921646 sur OpenAlexaff
Barbara J. Phillips, Fred Phillips

Notice bibliographique

RevueIssues in Accounting Education · 2007
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueAccounting Education and Careers
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésConfusionReading (process)Mathematics educationComprehensionPsychologyReading comprehensionClass (philosophy)Perspective (graphical)Computer scienceLinguistics

Résumé

récupéré en direct d'OpenAlex

Despite the significant emphasis that most instructors place on textbooks in introductory accounting courses, little research exists to describe how students interact with their textbooks. Using learning journals, 172 undergraduate students provided detailed, real-time accounts of their experiences with 13 chapters of an introductory financial accounting textbook. Using the method of grounded theory, supplemented with quantitative tests of association, this study begins to characterize textbook use from a student perspective. Results indicate that, for students, reading is a motivated behavior, with the specific motives varying across different groups of students and leading to different consequential actions. Academically strong students appear to read with the primary goal of understanding assigned material, as evidenced by their willingness to (1) engage in reading before the related material is covered in class, (2) persist when material becomes difficult, and (3) establish defined action plans that promptly resolve confusion. In contrast, weaker students appear to read with the primary goal of reducing anxiety, by deferring reading and terminating it when comprehension becomes difficult. The findings of this study are used to create instructional guidance that instructors can provide to students and to direct future research by outlining important and interesting questions requiring further investigation.

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)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,013
Tête enseignante GPT0,328
Écart entre enseignants0,315 · 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

Citations102
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIssues in Accounting EducationMême sujetAccounting Education and CareersTravaux en français237 207