Self-Directed Learning: A Unitary Or Multidimensional Construct?
Notice bibliographique
Résumé
This study examines self-directed learning (SDL) to determine whether it can be conceptualized as a single dimension, or as a multidimensional construct. As part of a larger study examining the relationship between personality and SDL, the current study collected data on demographic, personality and SDL variables using an online survey during the Fall of 2017. For the purpose of the current analysis, however, only the SDL related instrument and results will be discussed. Participants included 161 first-year Nipissing University students from a variety of programs. SDL was measured using the OCLI, a 24-item Likert scale questionnaire. An exploratory factor analysis was performed on the OCLI data to reveal the factor structure of the 24 items. Three factors, which together accounted for 32.63% of the variance in the observed variables, were selected for interpretation. Five items loaded highly on factor one, which accounted for 13.05% of variance in the data. Four items loaded highly on the second factor, which explained 10.28% of the total variance. Factor three, on which three variables loaded highly, explained 9.30% of the variability. The three factors were labelled: persistence/effort, reading proclivity, and social interaction, respectively, and may provide insight into the dimensions underlying SDL.
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 | 0,000 |
| 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 | 0,000 |
| 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 ».