Validity of self-regulated learning measure in predicting skill level differences
Notice bibliographique
Résumé
Self-regulated learning (SRL) refers to athletes' active engagement in their own practice via planning, monitoring, and adapting processes (Zimmerman, 1986). SRL has been positioned as an individual difference variable impacting expertise development (Tedesqui & Young, 2015). McCardle et al. (2017) validated the structural validity of athletes' SRL self-report survey – the SRL-SRS for Sport Training (Bartulovic et al., 2017). Their measurement model, which also included earlier items from Toering et al.'s (2012) survey, showed acceptable model fit and divergent validity. This investigation aimed to examine the predictive validity of the same SRL-SRS for Sport Training model using skill level as a criterion outcome. Canadian athletes (n = 369; age 13 - 58 years) completed 53 SRL items and reported their highest performance level (local/regional, provincial, national, international). Multivariate analyses of variance tested for skill level differences on the constituent SRL processes (i.e., planning, checking, evaluating-reflecting, effort, self-efficacy) assessed in the survey resulting in significant differences: Wilk's ? = .915, F (15, 947) = 2.07, p = .009, partial ?2 = .029. Follow up discriminant analyses showed differences between the international athletes; self-efficacy and effort were the strongest contributors to the discriminant function, with evaluating-reflecting also contributing. A pattern emerged where local/regional athletes reported more engagement in many SRL processes than provincial athletes, and more SRL on certain processes than national athletes. Results are discussed in terms of remaining steps in SRL-SRS validation, measurement development, and limitations that may constrain effect sizes.Acknowledgments: This work was supported by a Social Sciences and Humanities Research Council of Canada Insight Development Grant 430-2015-00904 (Bradley W. Young, PI).
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 | 0,008 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».