The Effect of Performance Feedback on Student Help-Seeking and Learning Strategy Use: Do Clickers Make a Difference?
Notice bibliographique
Résumé
Two studies were performed to investigate the impact of students’ clicker performance feedback on their help-seeking behaviour and use of other learning strategies. In study 1, we investigated the relationship between students’ clicker performance, self-efficacy, help-seeking behavior, and academic achievement. We found that there was a significant positive correlation between their clicker performance and their course grades, and help-seeking behavior was negatively and significantly related to clicker and course performance but only for participants with high self-efficacy. In study 2, we expanded our focus to determine if participants modified a number of learning strategies as a result of receiving clicker performance feedback as well as attempting to replicate the clicker-course performance relationship found in study 1. Although participants reported an increase in their use of various learning strategies as a result of using the clickers, changes in learning strategy use was not significantly related to clicker or term test performance. The relationship between clicker and course performance was replicated. The results suggest that clicker-based feedback alone may not be sufficient to lead to a successful change in learning strategy use and that students may need more specific instruction on self-regulation and effective learning strategy use in order to improve their learning. Deux études ont évalué l’impact de la rétroaction sur la performance des étudiants indiquée par télévoteur sur leur comportement de recherche d’aide et sur les autres stratégies d’apprentissage utilisées. Dans la première étude, les chercheurs se sont penchés sur la relation entre la performance indiquée par télévoteur, le sentiment d’auto-efficacité, la recherche d’aide et la réussite scolaire. Nous avons trouvé une corrélation positive significative entre la performance indiquée par télévoteur et les notes de cours. De plus, nous avons également découvert un lien négatif significatif entre le comportement en matière de recherche d’aide, le télévoteur et la performance dans le cours, mais uniquement chez les participants ayant un sentiment d’auto-efficacité élevé. Dans la deuxième étude, nous avons élargi notre approche pour déterminer si les participants avaient modifié plusieurs stratégies d’apprentissage après avoir obtenu une rétroaction sur leur performance par télévoteur. Nous avons de plus tenté de répliquer la relation entre le télévoteur et la performance dans cours découverte lors de la première étude. Bien que les participants aient déclaré avoir utilisé davantage de stratégies d’apprentissage après avoir utilisé le télévoteur, nous n’avons pas trouvé de lien significatif entre les changements relatifs à ces stratégies et le télévoteur ou le test de performance de mi-semestre. Nous avons répliqué le lien entre le télévoteur et la performance dans le cours. Les résultats suggèrent que la rétroaction offerte par le télévoteur n’est pas suffisante en soi pour entraîner un changement fructueux en matière de stratégies d’apprentissage et que les étudiants ont besoin d’instructions plus spécifiques sur l’autorégulation et sur les stratégies d’apprentissage efficaces pour mieux apprendre.
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 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».