MétaCan
Menu
Retour à la cohorte
Enregistrement W2980259483 · doi:10.11575/prism/37080

Development of a Scalable Self-Regulation Intervention in Support of Lifelong Learning for First-year Engineering Students

2019· dissertation· en· W2980259483 sur OpenAlexaboutno aff

Notice bibliographique

RevuePRISM (University of Calgary) · 2019
Typedissertation
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLifelong learningIntervention (counseling)Self-regulated learningScalabilityPsychologyEngineeringEngineering managementMathematics educationMedical educationPedagogyComputer scienceKnowledge managementEngineering ethicsMedicine

Résumé

récupéré en direct d'OpenAlex

Lifelong learning is a Canadian Engineering Accreditation Board (CEAB) graduate attribute and thus a fundamental component of engineering education, and yet, unlike many core engineering concepts such as thermodynamics or heat transfer, there is no agreed upon approach to teach it to students. This work narrows in on the self-regulation component of lifelong learning and draws on research from the learning sciences, motivation theory, and psychology to develop a scalable intervention for first-year engineering students. Several research-based instructional strategies were modified into four workshops and sets of reminders, each with an emphasis on higher purpose, learning strategies, metacognition, or growth mindset. They were offered to first-year engineering students during the winter term and impact on student performance and beliefs were measured. This thesis presents the details of the workshops, results from their first implementations, two frameworks to evaluate the learning intervention, and suggestions for future work. While this thesis cannot provide conclusive results, it does provide evidence and support that self-regulation can and should be explicitly taught to engineering students.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,704
Score d'incertitude au seuil0,805

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,296
Écart entre enseignants0,280 · 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 tête enseignante, pas un consensus.

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

Citations1
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetInnovative Teaching and Learning MethodsTravaux en français237 207