Link between learning profile and school achievement in primary school; a transversal study
Notice bibliographique
Résumé
School achievement plays an essential role in terms of professional and social adaptation. However, all the students do not always perform as the system requires them to. In Belgium, at the end of compulsory education, one student out of two lags behind in their school education (Indicators from the Fédération Wallonie-Bruxelles [Walloon-Brussels Federation], 2012). In this context, we do not consider that there are “bad” learners. Instead, there are those students whose learning profile is more or less in line with the context’s requirements and those whose profile is not. In many works, the student’s learning profile is operationalised by measures on 3 levels: cognitive, metacognitive and psycho-affective. These psychological variables, which are major components of self-regulated learning, play a central role in the explanation of school performance (for more details, see Frenkel, in press; Frenkel & Deforge, in press). This profile is not fixed once and for all. It evolves over time and it represents the result of the interaction between these three variables with other factors, notably bio-medical, socio-demographical ones, factors related to family environment (Pourtois, Desmet & Lahaye, 2004; Trudel, Puentes-Neuman & Ntebutse, 2002) and the too often forgotten factors linked to class management and social interactions between students and teachers (see Wang, Haertel & Walberg, 1994). Determining the students’ learning profile enables us to identify their strengths and work on their weaknesses. Therefore, it is essential that psycho-educational teams have validated tools at their disposal in order to carry out this task. Our aim is to propose new tools which will complement the already-existing ones. In this presentation we propose to introduce and discuss our methodology and the results obtained. The starting target population was made up of 198 primary school students divided equitably into three levels (second year of primary school, fourth year of primary school and sixth year of primary school). A problem-solving task based on the DELF (Büchel & Büchel, 1995) was created. It was completed by two questionnaires to fill in before and after the task. The learning profile defined on this basis was analysed according to several variables (age, gender, socio-professional category, school results). Group testing is still in progress. We will also illustrate our presentation with the first results of individual testing which will begin in May 2014. References - Büchel, F.P. & Büchel, P. (1995). Découvrez vos capacités, rEalisez vos possibilités, pLanifiez votre démarche, soyez créatiFs. Le programme DELF. Russin, Switzerland: Centre d’éducation cognitive - Frenkel, S. (in press). Metacognitive components in learning to learn approaches. International Journal of Psychology: A Biopsychosocial Approach - Frenkel, S., & Deforge, H. (in press). Métacognition et réussite scolaire: Perspectives théoriques. In C. Giraudeau & G. Chasseigne (Eds.), Psychologie, Education et Vie scolaire. Tours, France: Editions Publibook Université - Pourtois, J.-P., Desmet, H., & Lahaye, W. (2004). Connaissances et pratiques en éducation familiale et parentale. Enfances, Familles, Générations, 1, 22-35 - Trudel, M., Puentes-Neuman, G., & Ntebutse J.G. (2002). Les conceptions contemporaines de l’enfant à risque et la valeur heuristique du construit de résilience en éducation. Revue Canadienne de l’Education, 27 (2 & 3), 153-173 - Wang, M.C., Haertel, G.D., & Walberg, H.J. (1994). What helps students learn? Educational Leadership, 51 (4), 74-79
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».