MétaCan
Menu
Retour à la cohorte
Enregistrement W2953544351 · doi:10.1177/2372732219864705

To Level the Playing Field, Develop Interest

2020· article· en· W2953544351 sur OpenAlexaff
K. Ann Renninger, Suzanne Hidi

Notice bibliographique

RevuePolicy Insights from the Behavioral and Brain Sciences · 2020
Typearticle
Langueen
DomainePsychology
ThématiquePsychological and Educational Research Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésConscientiousnessPsychologyPublic relationsWork (physics)Social psychologyPersonalityPolitical scienceBig Five personality traits

Résumé

récupéré en direct d'OpenAlex

Individuals do not all come to tasks, activities, or assignments with the same readiness to engage. Differences in the ability to focus, comprehend, or problem-solve can lead to inequalities of outcome and make learners less likely to realize their potential. Given that interest development supports persistence, conscientiousness, and the ability to work with negative feedback, educators and policymakers could help to increase educational opportunity for all by promoting the development of interest. Interest is a cognitive and motivational variable that describes (a) engagement, or participation, with some content (such as physics, writing, or baseball) and also (b) the motivation to continue to seek opportunities to engage with that content: seeking information, posing questions, and tackling challenge. Interest works because the information search it creates is rewarding. The development of interest heightens understanding and sustains engaged work. It also positively influences outcomes such as performance and continued enrollment. Even the development of a little interest can make a difference. Educators and policymakers can enhance educational opportunities by promoting interest development. Methods are described.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,078
Score d'incertitude au seuil0,261

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,001
Communication savante0,0030,002
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0780,031

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 Opus0,554
Tête enseignante GPT0,503
Écart entre enseignants0,051 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations100
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePolicy Insights from the Behavioral and Brain SciencesMême sujetPsychological and Educational Research StudiesTravaux en français237 207