Optimism and realism: A review of self‐efficacy from a cross‐cultural perspective
Notice bibliographique
Résumé
T his review critically examines much of the research investigating self‐efficacy beliefs through cross‐cultural comparisons. Two sets of cross‐cultural comparison groups are examined: Asian (or immigrant Asian) versus Western, and Eastern European versus Western European and American groups. After an introduction to self‐efficacy theory, some cross‐cultural aspects of self and self‐beliefs are discussed, and the cultural dimensions of individualism and collectivism are introduced. Analysis of the articles focuses on differences in levels of efficacy beliefs, calibration of beliefs with performance, methodological problems, and implications for practice. Almost all of the 20 studies reviewed found efficacy beliefs to be lower for non‐Western cultural groups, but in some cases these lower beliefs were more predictive of subsequent functioning. There is some evidence that the mean efficacy beliefs of a cultural group are modified through immigration or political changes. For some non‐Western groups, collective efficacy appears to operate in much the same way as self‐efficacy operates for Western groups. Realistic—as opposed to optimistic—efficacy beliefs do not necessarily predict poor performance for all cultural groups, as has been suggested by self‐efficacy theory. Only a minority of the studies included measurement of cultural dimensions such as individualism and collectivism, although most of the studies based conclusions on assumed cultural differences. In some cases, self‐efficacy was poorly defined and bore little resemblance to theoretically derived definitions. Conclusions from this research have implications especially for applied settings in education and business: Efficacy beliefs and performance appear to be enhanced when training approaches are congruent with the individual's sense of self. Lower levels of self‐efficacy beliefs found in some collectivist groups do not always signify lower subsequent performance, but are instead reflective of differing construals of self.
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 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».