MétaCan
Menu
Retour à la cohorte
Enregistrement W3021276957 · doi:10.1177/0956797620904451

Reframing Achievement Setbacks: A Motivation Intervention to Improve 8-Year Graduation Rates for Students in Science, Technology, Engineering, and Mathematics (STEM) Fields

2020· article· en· W3021276957 sur OpenAlexafffund
Jeremy M. Hamm, Raymond P. Perry, Judith G. Chipperfield, Steve Hladkyj, Patti C. Parker, Bernard Weiner

Notice bibliographique

RevuePsychological Science · 2020
Typearticle
Langueen
DomainePsychology
ThématiqueEducation, Achievement, and Giftedness
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaCanadian Institutes of Health Research
Mots-clésGraduation (instrument)Cognitive reframingIntervention (counseling)PsychologyPsychological interventionMedical educationOddsAt-risk studentsMathematics educationAcademic achievementCourseworkAttributionMedicineSocial psychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Despite increased emphasis on educating students in science, technology, engineering, and mathematics (STEM) disciplines, nearly half of U.S. college students who enroll in these programs fail to graduate with STEM degrees. Using archival data from the Motivation and Academic Achievement Database, we tested whether a motivation intervention to reframe causal attributions for academic setbacks improved graduation rates for college students in STEM disciplines ( N = 496). Results showed that the intervention increased the odds of 8-year graduation for students who were at risk of college dropout. Findings highlight the potential of theory-informed psychological interventions to increase persistence to graduation for at-risk students in STEM fields.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,209
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,048
Tête enseignante GPT0,422
Écart entre enseignants0,374 · 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

Citations38
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePsychological ScienceMême sujetEducation, Achievement, and GiftednessTravaux en français237 207