MétaCan
Menu
Retour à la cohorte
Enregistrement W2927880235

From Syllabus to Final Grades: A Wrap-around Workshop to Support Student Motivation

2018· article· en· W2927880235 sur OpenAlexaff
Lia M. Daniels

Notice bibliographique

Revue2019 Conference of the Canadian Society for the Study of Education · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEnthusiasmSyllabusGrading (engineering)Intrinsic motivationMathematics educationPsychologyMotivation to learnClass (philosophy)Self-determination theoryPedagogyComputer scienceSocial psychologyEngineeringAutonomy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Student motivation tends to be a somewhat elusive topic in teaching – either K-12 or post-secondary. And yet almost every instructor desires students who are enthusiastically engaged in the course content and related activities and assignments. Unfortunately, students often become more pragmatic and grade-focused during post-secondary education rendering enthusiasm sometimes in short supply. Achievement motivation can be used to distinguish between these two groups of students: the former is considered intrinsically motivated and the latter extrinsically motivation. Achievement motivation can also go beyond simply describing students to provide concrete suggestions on how instructors can design classroom environments that shift students away from extrinsic and towards intrinsic. If you are interested in helping students (re)embrace their love for learning – regardless of the content, class size, or grading distribution – this workshop is for you. Based on a two SSHRC-funded programs of research, the presenter will describe contemporary theorizing on student motivation and related classroom design principles. Next the presenter will take attendees through a series of activities designed to (a) clarify their own beliefs about student motivation, (b) tailor course components to maximize intrinsic motivation, and (c) offer alternatives to using grades to motivate students.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,679
Score d'incertitude au seuil0,950

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,159
Tête enseignante GPT0,434
Écart entre enseignants0,276 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2019 Conference of the Canadian Society for the Study of EducationMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207