The Relationship between Teaching Skills, Academic Emotion, Academic Stress and Mindset in University Student Academic Achievement Prediction: A PLS-SEM Approach
Notice bibliographique
Résumé
This cross-sectional study conducted to develop a model for predicting academic achievement of university students by investigating the relationship between teaching skills, academic emotions (positive and negative), and academic stress associated with Mindset (growth and fixed) using structural equation modeling. The statistical population consisted of 360 students of the Islamic Azad University of Hamedan who were selected randomly using a relative stratified method. The study was descriptive and correlational. The data were analyzed by SPSS version 25 and SmartPLS version 3.2.8. First, the validity of the model was estimated using Cronbach's alpha, composite reliability, convergent validity, and divergent validity; then, the coefficient of determination, effect size, and Stone-Geisser criterion were calculated for evaluating the structural model. The results showed that the validity and adequacy of the suggested model were suitable. Thus, it could be used in different situations by experts in related areas. The relationship between growth Mindset and academic achievement was significant; growth Mindset moderated the effect of negative emotion and stress on academic achievement the crucial role of professor skills in the academic achievement of students was confirmed directly or through its effect on positive emotion. The effect of teaching skills was not significant on the academic achievement of students with fixed Mindset, while the effect of academic stress confirmed on these students. Therefore, the identification of students with fixed Mindset and psychological interventions for these students can be useful in their academic achievement and their mental health.
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 | 0,004 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».