Feedback Valence Agency Moderates the Effect of Pre-service Teachers’ Growth Mindset on the Relation Between Revising and Performance
Notice bibliographique
Résumé
It is often assumed that having a choice in the learning process impacts performance and learning. Concomitantly, it is believed that learning choices (e.g., seeking critical or confirmatory feedback) are due to mindset. However, the relation between choice and mindset is still a matter of debate: it is not known whether mindset interferes with the decision to seek critical feedback, the response to critical feedback, or both. This experiment investigates for the first time whether feedback valence agency moderates the effect of mindset on the relation between learning behaviors and learning outcomes. Participants were n = 120 pre-service teachers who were randomly assigned to one of two conditions, Choose (n = 68) and Assign (n = 52), and designed three posters in Posterlet, a game that assessed their learning behaviors (critical feedback and revising) and poster performance. Then, they completed a post-test that also included a mindset survey. Results reveal similar non-significant correlation patterns of mindset with learning behaviors and learning outcomes in both conditions. Feedback valence agency (i.e., condition) moderates the effect of growth mindset on the relation between revision and performance: students who choose to revise their posters more often (i.e., at least twice) perform significantly better when they endorse high rather than low levels of growth mindset but only when feedback valence is chosen rather than assigned. Theoretical implications indicate that feedback valence agency moderates the effect of growth mindset in driving how students respond to their own learning choices to improve their performance.
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 ».