MétaCan
Menu
Retour à la cohorte
Enregistrement W2744238423 · doi:10.1111/bjep.12173

Theorizing and researching levels of processing in self‐regulated learning

2017· article· en· W2744238423 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBritish Journal of Educational Psychology · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensSimon Fraser University
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaSimon Fraser University
Mots-clésConstruct (python library)MetacognitionMerge (version control)Self-regulated learningPsychologyContext (archaeology)Task (project management)Cognitive scienceInformation processingSet (abstract data type)Cognitive psychologyComputer scienceMathematics educationCognitionInformation retrieval

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Deep versus surface knowledge is widely discussed by educational practitioners. A corresponding construct, levels of processing, has received extensive theoretical and empirical attention in learning science and psychology. In both arenas, lower levels of information and shallower levels of processing are predicted and generally empirically demonstrated to limit knowledge learners gain, curtail what they can do with newly acquired knowledge, and shorten the life span of recently acquired knowledge. PURPOSE: I recapitulate major accounts of levels or depth of information and information processing to set a stage for conceptualizing, first, self-regulated learning (SRL) from this perspective and, second, how a "levels-sensitive" approach might be implemented in research about SRL. METHOD: ed.), New York: Routledge; Winne & Hadwin, 1998, Metacognition in educational theory and practice (pp. 277-304). Mahwah, NJ: Lawrence Erlbaum) conceptually and with respect to operationally defining the levels construct in the context of SRL in relation to each of the model's four phases - surveying task conditions, setting goals and planning, engaging the task, and composing major adaptations for future tasks. Select illustrations are provided for each phase of SRL. Regarding phase 3, a software system called nStudy is introduced as state-of-the-art instrumentation for gathering fine-grained, time-stamped trace data about information learners select for processing and operations they use to process that information. CONCLUSIONS: Self-regulated learning can be viewed through a lens of the levels construct, and operational definitions can be designed to research SRL with respect to levels. While information can be organized arbitrarily deeply, the levels construct may not be particularly useful for distinguishing among processes except in a sense that, because processes in SRL operate on information with depth, they epiphenomenally acquire characteristics of levels. Thus, SRL per se is not a deeper kind of processing. Instead, it is processing more complex - deeper - information about a different topic, namely processes for 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.

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)0,006
score de la tête « metaresearch » (Gemma)0,003
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 enseignants0,492
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
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 recherche0,0000,001
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 Opus0,087
Tête enseignante GPT0,492
Écart entre enseignants0,405 · 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