Understanding Student Coregulation in Task Interpretation during Electronics Laboratory Activities
Notice bibliographique
Résumé
<p class="apa">Coregulation (CRL) is a transitional process in which students share problem-solving techniques and utilize self-regulated learning (SRL) when interacting with peers. Coregulation may help students to define and modify inconsistencies in their SRL strategy. Task interpretation is described as the critical first step in the SRL process, and it is a key determinant in setting the goals and strategies to accomplish those goals. Limited information exists regarding coregulation and task interpretation in the context of laboratory work. Laboratory activities help students to move from abstract ideas to a practical understanding. However, it is generally agreed among educators that students involve little mental engagement in the laboratory activities. The purpose of this study was to investigate how students’ level of coregulation was associated with their task interpretation and how the level changed over time. One-hundred and forty-three sophomore students enrolled in an electronics course participated in this study. A paper-and-pencil questionnaire was used to measure students’ coregulation. Similarly, a questionnaire developed and piloted by the researcher measured students’ task interpretation. High-coregulated students showed high levels of SRL, while low-coregulated students showed low levels of SRL. The findings confirmed a previous study by Hadwin and Oshige, which described coregulation as a process in a learner’s acquisition of SRL, in which SRL is gradually appropriated by the individual learner’s interactions when they are working in the assigned task activities. Further investigation is necessary to unveil other factors related to these constructs in order to engage students in laboratory work.</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 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 | 0,001 |
| 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) | 0,000 | 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 ».