MétaCan
Menu
Retour à la cohorte
Enregistrement W2159034263 · doi:10.19030/jier.v9i4.8090

Students Motivations For Voluntary Remedial Learning In High School

2013· article· en· W2159034263 sur OpenAlexaffabout
Daniel Pelletier, Isabelle Green‐Demers, Karine Lafleur

Notice bibliographique

RevueJournal of International Education Research (JIER) · 2013
Typearticle
Langueen
DomainePsychology
ThématiqueMotivation and Self-Concept in Sports
Établissements canadiensUniversité du Québec en Outaouais
Organismes subventionnairesnon disponible
Mots-clésDeci-Remedial educationPsychologyAttendanceExploratory researchMathematics educationPerceptionTurnoverMedical educationPedagogySocial psychology

Résumé

récupéré en direct d'OpenAlex

Most high schools offer remedial learning sessions to their students; however, very little is known about the perception of these activities, especially with regards to the students motivations. In order to gain insights into both topics, an exploratory study was conducted within a sample of 1388 high school students in the Province of Quebec (Canada). Participants were selected on the basis of their voluntary participation or non-participation in remedial learning sessions held at school. School motivation was measured with a questionnaire based on Deci and Ryans SDT (Self Determination Theory); perceptions were gathered and measured with open-ended and multiple choice items. Quantitative results indicated that participants of remedial learning sessions were more strongly motivated towards school. No significant relationships were found between attendance and grades, with similar proportions of high, average and below average participating and non-participating students; however, among participants, girls outnumbered boys by 2:1. Two main categories emerged from qualitative analyses: remedial learning can be seen as: a) an instrumental support linked to the subject matter; or b) a relational support which fosters better learning.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,164

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,060
Tête enseignante GPT0,458
Écart entre enseignants0,398 · 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'étudeQualitatif
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

Citations0
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of International Education Research (JIER)Même sujetMotivation and Self-Concept in SportsTravaux en français237 207