MétaCan
Menu
Retour à la cohorte
Enregistrement W2042471163 · doi:10.1348/000709903322591217

Approaches to learning, need for cognition, and strategic flexibility among university students

2003· article· en· W2042471163 sur OpenAlexaffabout
Christina Evans, John R. Kirby, Leandre R. Fabrigar

Notice bibliographique

RevueBritish Journal of Educational Psychology · 2003
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésPsychologyFlexibility (engineering)Cognitive flexibilityCognitionMathematics educationMetacognitionCognitive psychologyCognitive scienceManagement

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Considerable research has described students' deep and surface approaches to learning. Other research has described individuals' self-regulated learning and need for cognition. There is a need for research examining the relationships among these constructs. AIMS: This study explored relationships among approaches to learning (deep, surface), need for cognition, and three types of control of learning (adaptive, inflexible, irresolute). Theory suggested similarities among the deep approach, need for cognition, and adaptive control (aspects of self-regulated learning); and among surface, inflexible, and irresolute control (aspects of an ineffective approach to learning). One-factor and two-factor models were proposed. SAMPLE: Participants were 226 Canadian military college students. METHOD: Participants completed the following questionnaires: the Study Process Questionnaire (Biggs, 1978), the Need for Cognition Scale (Cacioppo & Petty, 1982), and the Strategic Flexibility Questionnaire (Cantwell & Moore, 1996). RESULTS: Confirmatory factor analysis supported the identification of the six scale factors. Second order confirmatory factor analysis indicated three factors representing constructs underlying these factors. CONCLUSIONS: Neither the one- nor two-factor models accounted adequately for the data. Self-regulated learning was defined by measures of the deep approach to learning, need for cognition, and adaptive control of learning. The second factor divided into one factor consisting of irresolute control, the surface approach, and negative need for cognition; and another consisting of inflexible and negative adaptive control. Substantial relationships among scales support the need for further theory development.

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)0,005
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 enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,197
Tête enseignante GPT0,424
Écart entre enseignants0,227 · 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

Citations171
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBritish Journal of Educational PsychologyMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207