Notice bibliographique
Résumé
The trajectory of scholarship about self-regulated learning (SRL) originates in mid-19th-century writings about learners’ sense of responsibility in self education. Although Descartes's 17th-century writings implied mental activities consistent with metacognition, a central feature of SRL, these were inarticulate until Flavell and colleagues’ studies circa 1970. Since then, research on metacognition and its role in SRL has approximately doubled every decade. Foundations for modeling SRL include Skinner's behaviorism, which acknowledged learners’ choices about reinforcers for behavior, and Bandura's social learning theory, with its construct of agency. Research in the 1980s gathered data about SRL mainly using interviews, self-report questionnaires, and think-aloud protocols. These methods were quickly supplemented by observations of behavior and traces of learning activities tightly coupled to features of SRL. Today, SRL research is prominent across a broad spectrum of educational topics. Its importance will grow with trends toward lifelong learning and self-directed inquiries that survey vast information on the Internet, where students control what and how they will learn. Implications for future research include reconceptualizing “error variance” as arising partially due to SRL and capitalizing on software technologies that massively increase access to data about how and to what effects learners self-regulate learning.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,031 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,005 | 0,034 |
| Communication savante | 0,013 | 0,019 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».