MétaCan
Menu
Retour à la cohorte
Enregistrement W2464420035 · doi:10.5539/jel.v5n3p272

The Mediation Role of Intrinsic and Extrinsic Motivation in the Relationship between Creative Educational Environment and Metacognitive Self-Regulation

2016· article· en· W2464420035 sur OpenAlexvenueno aff
Farnaz Mehdipour Maralani

Notice bibliographique

RevueJournal of Education and Learning · 2016
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPsychologyMetacognitionCreativityIntrinsic motivationMediationCronbach's alphaPath analysis (statistics)Social psychologySelf-determination theoryDynamismDevelopmental psychologyCognitionPsychometricsAutonomy

Résumé

récupéré en direct d'OpenAlex

<p>This study investigated the mediation role of intrinsic and extrinsic motivation in the relationship between creative educational environment and metacognitive self-regulation. Participants were 300 girls, selected randomly from the girl hostel in university of Tehran. Participants completed Akoal’s creative educational environment questionnaire, AMS academic motivation questionnaire and self-regulated learning strategies questionnaire MSLQ. To examine reliability of measures, Cronbach alpha coefficient and to determine validity factor analysis were used. The path diagram of hypothetical model was tested. Findings revealed the relationship between the models variables. So, teachers who want their students have a high intrinsic motivation in addition to create a conditions for free choice, should be confide the students, support ideas and give time to the idea, consider duties that are challengeable, teach debate, conflict and risk to their students and also with regard to the vitality, joy, dynamism and humor, create education environment for the development of their creativity. By creating such an environment, intrinsic motivation and using meta-cognitive self regulation becomes more. Implications and suggestions for future studies are discussed.</p>

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)0,001
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 enseignants0,135
Score d'incertitude au seuil0,244

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,033
Tête enseignante GPT0,326
Écart entre enseignants0,293 · 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

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Education and LearningMême sujetCreativity in Education and NeuroscienceTravaux en français237 207