Multitasking in the classroom: Testing an educational intervention as a method of reducing multitasking
Notice bibliographique
Résumé
Increasingly, students engage in multitasking during lecture by shifting their attention between class material and irrelevant information from texts and webpages. It is well established that this divided attention impairs memory and learning. Less is known about how to correct the problem. This study used an educational intervention in the form of a PowerPoint presentation that informed students in the experimental condition about the deleterious effects of multitasking. Students were randomly assigned to the experimental condition, the placebo condition (a slideshow about sleep), or no intervention. Participants self-reported the percentage of the time they multitasked in class and paid attention at two time points, baseline (before the intervention), and in a second lab visit 3 weeks later. The experimental intervention did not reduce student multitasking or increase student attention, relative to the other conditions. Supplementary research questions examined students’ beliefs about multitasking, finding that most thought it decreased their grades. The correlations between grade point average, stress, and boredom proneness, on one hand, and baseline attention and multitasking in class, on the other, were also inspected, revealing that students with higher grade point average pay more attention in class and multitask less. Suggestions for future research to reduce multitasking are made, including having students engage in multitasking to observe the effect on their memory retention.
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 | 0,003 |
| 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 | 0,001 |
| 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 ».