THE CAUSAL RELATIONSHIPS BETWEEN ATTRIBUTION STYLES, MATHEMATICS SELF-EFFICACY BELIEFS, GENDER DIFFERENCES, GOAL SETTING, AND MATH ACHIEVEMENT OF SCHOOL CHILDREN
Notice bibliographique
Résumé
This study was conducted to investigate the causal relationships between attribution styles, mathematics self-efficacy beliefs, gender differences, goal setting, and math achievement of school children. The subjects were 99 seventh-grade students (56 male and 43 female), from public schools in Sooke, Canada, who were selected randomly to participate in this study. A model was tested, using AMOS software. The scales used consisted of modified Stipek s (1993), Attribution for Performance in Math, Self-Efficacy Scale, the Foundation Skills Assessment tests and Lock and Bryan (1968) modified Students Grade Goals Rating Scale. The results showed that the model was statistically fit and that student s math selfefficacy was influenced by his/her attribution. A significant relationship was found between self-efficacy and internal attribution. Also, the path between math selfefficacy and goal setting was significant, implying that self-efficacy plays a key role in students goal setting. In addition, the students goal setting was a predictor of the math achievement. Actually, those students who set higher goals for themselves in mathematics get better grades in math. The effect of self-efficacy on math achievement was indirect, through goal setting. The significant path between the attribution and math achievement shows that the explanatory styles influence math achievement. In other words, those students who attribute the causes of their success in math to internal factors receive higher grades, and those students who attribute the causes of their failure in math to internal factors get lower grades in mathematics.
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 | 0,001 | 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 | 0,001 | 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) | 0,000 | 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 ».