MétaCan
Menu
Retour à la cohorte
Enregistrement W2339234727 · doi:10.55016/ojs/ajer.v59i4.55572

How Ordering of Assignments Can Influence Beliefs About the Self and How These Beliefs Can Impact on Student Class Performance

2014· article· en· W2339234727 sur OpenAlexvenueno aff
David S. Ackerman, Oscar W. DeShields

Notice bibliographique

RevueAlberta Journal of Educational Research · 2014
Typearticle
Langueen
DomainePsychology
ThématiqueEducation, Achievement, and Giftedness
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyClass (philosophy)Mathematics educationSocial psychologyStructural equation modelingMathematicsComputer scienceStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

This research examines whether the ordering of the difficulty of exams can influence student beliefs about their academic abilities and the impact of these beliefs on their performance. The ordering of the difficulty of test items has shown to affect performance. Study One (n=91) examined college student differences in reaction to a difficult and an easy exam. Results suggest that the ordering of difficulty of exams may influence self-efficacy of students. Study Two (n = 178) examines whether this self-efficacy (and other beliefs about the self) can impact college student performance on actual exam scores over time. The results of this research suggest that the ordering of difficulty of assignments can affect student’s self-efficacy about the class. It finds that the impact on self-efficacy may affect overall performance early in the class but that this impact may not be long lasting. This is due to the positive evidence received later in the course that may contradict initial low performance and give confidence in the student’s ability to achieve high performance. The results have implications for segments of the student population that may be disproportionately impacted by self-perceptions such as the first generation student.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,527

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,049
Tête enseignante GPT0,416
Écart entre enseignants0,367 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations4
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAlberta Journal of Educational ResearchMême sujetEducation, Achievement, and GiftednessTravaux en français237 207