Using a multitrait‐multimethod analysis to examine conceptual similarities of three self‐regulated learning inventories
Notice bibliographique
Résumé
BACKGROUND: A programme of construct validity research is necessary to clarify previous research on self-regulation and to provide a stronger basis for future research. AIM: A multitrait-multimethod (MTMM) analysis was conducted to assess convergent and discriminant validity of three self-regulation measures: the Learning and Study Strategies Inventory (LASSI; Weinstein, 1987), the Motivated Strategies for Learning Questionnaire (MSLQ; Pintrich, Smith, Garcia, & McKeachie, 1993) and the Meta-cognitive Awareness Inventory (MAI; Schraw & Dennison, 1994). Method bias across all three inventories was also examined. SAMPLE AND METHOD: Three hundred and eighteen undergraduate university students (255 female, 61 male, 2 did not specify) were recruited from various courses to participate in research on perceptions about studying and study methods. Participants spent 30-60 minutes completing all three inventories. RESULTS: Evidence for convergent validity was found at the matrix level, but was attenuated when examined at the individual parameter level. Evidence for discriminant validity among traits was modest, and common method bias was evident across all three measures. CONCLUSIONS: Results revealed the three inventories yielded different results, which suggests that researchers should be selective in the inventory they use to assess self-regulated learning (SRL).
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 | 0,039 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».