Negative Effects of Reward on Intrinsic Motivation—A Limited Phenomenon: Comment on Deci, Koestner, and Ryan (2001)
Notice bibliographique
Résumé
A major concern in educational settings is that the use of rewards and incentives may destroy students’ intrinsic motivation to perform activities. In collaboration with other researchers, the author conducted a meta-analysis of the literature that showed that negative effects of reward were limited and easily avoidable (Cameron & Pierce, 1994; Eisenberger & Cameron, 1996 ). Deci, Koestner, and Ryan (2001) suggest that our work was seriously flawed; they present a summary of their meta-analysis on the topic (Deci, Koestner, & Ryan, 1999a) and claim that rewards do substantially undermine intrinsic interest. In this comment, it is argued that there is no inherent negative property of reward. By organizing studies according to cognitive evaluation theory, Deci et al. (1999a) collapsed across distinct reward procedures and were able to obtain pervasive negative effects. When studies are organized according to the actual procedures used, however, negative effects are limited to a specific set of circumstances.
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 | 0,040 | 0,115 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,006 |
| Communication savante | 0,003 | 0,006 |
| Science ouverte | 0,008 | 0,003 |
| Intégrité de la recherche | 0,020 | 0,024 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».