First-Year Students’ Research Challenges: Does Watching Videos on Common Struggles affect Students’ Research Self-Efficacy?
Notice bibliographique
Résumé
Abstract Objective – The purpose of this quantitative study was to measure the impact of providing research struggle videos on first-year students’ research self-efficacy. The three-part video series explicated and briefly addressed common first-year roadblocks related to searching, evaluating, and caring about sources. The null hypothesis tested was that students would have similar research self-efficacy scores, regardless of exposure to the video series. Methods – The study was a quasi-experimental, nonequivalent control group design. The population included all 22 sections (N = 359) of First-Year Writing affiliated with the FASTrack Learning Community at the University of Mississippi. Of 22 sections, 12 (N = 212) served as the intervention group exposed to the videos, while the other 10 (N = 147) served as the control group. A research self-efficacy pretest – posttest measure was administered to all students. In addition, all 22 sections, regardless of control or intervention status, received a face-to-face one-shot library instruction session. Results – As a whole, this study failed to reject the null hypothesis. Students exposed to the research struggle videos reported similar research self-efficacy scores as students who were not exposed to the videos. A significant difference, however, did exist between all students’ pretest and posttest scores, suggesting that something else, possibly the in-person library session, did have an impact on students’ research self-efficacy. Conclusion – Although students’ research self-efficacy may have increased due to the presence of an in-person library session, this current research was most interested in evaluating the effect of providing supplemental instruction via struggle videos for first-year students. As this was not substantiated, it is recommended that researchers review the findings and limitations of this current study in order to identify more effective approaches in providing instructional support for first-year students’ research struggles.
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 | 0,005 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».