The Effectiveness of a Multi-Dimensional Teaching Strategy on Students’ Attitudes and Level of Learned-Helplessness
Notice bibliographique
Résumé
Background: Learned helplessness can become a persistent problem that develops in response to a student’s lack of confidence and frustration with a certain course of study.Aims: This study examined the effects that a teaching strategy that was designed to trigger intrinsic motivation components had on students’ attitudes toward an unpopular scientific subject and students’ learned helplessness as a general characteristic.Sample: The participants consisted of 157 female undergraduate students.Method: A teaching strategy that consisted of multi-dimensional intrinsic motivation components was delivered to one neuropsychology class of students, while a second class was taught exactly the same concepts via a traditional lecturing strategy. Two dependent variables were assessed: Attitude toward the neuropsychology course and learned helplessness. The self-rating scales were administered twice: Once at the beginning of the course and once at the end. An analysis of variance ANCOVA was used to compare the results of the two groups of students.Results: The performance of the students in the experimental group was higher than that of students in the control group in terms of course grades. Furthermore, these students exhibited a more positive attitude to neuropsychology than the students in the control group. Learned helplessness decreased in the experimental group, and this was indicative of the fact that the new teaching strategy had a positive effect on motivational levels.Conclusion: A teaching method that incorporates the components of intrinsic motivation can enhance students’ performance on a specific course and can improve their attitude toward completing that course.
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 | 0,009 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».