MétaCan
Menu
Retour à la cohorte
Enregistrement W3041304198 · doi:10.24908/pceea.vi0.14239

ADVANCING STUDENT MOTIVATION AND COURSE INTEREST THROUGH A UTILITY VALUE INTERVENTION IN AN ENGINEERING DESIGN CONTEXT

2020· article· en· W3041304198 sur OpenAlexvenueno aff
Staci Turoski, William Schell

Notice bibliographique

RevueProceedings of the Canadian Engineering Education Association (CEEA) · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering Education and Pedagogy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Value (mathematics)Relevance (law)Expectancy theoryPsychological interventionPsychologyMultidisciplinary approachIntrinsic value (animal ethics)Goal theoryIntervention (counseling)Task (project management)Medical educationMathematics educationSocial psychologyComputer scienceManagementMedicineSociology

Résumé

récupéré en direct d'OpenAlex

Understanding and improving student motivation is critical for educators because motivation is essential for academic success. Student motivation is multifaceted and complex with interest as one of many factors related to motivation and motived behavior. Student interest in course material can be supported by helping them understand the value and relevance of the material to their life. Within an expectancy-value framework, one aspect for understanding students perceived task value is to assess their perception of the utility value, or their view of the usefulness, of the task to their present or future goals. One way to encourage value is to have students write about the relevance of the course material to their life through structed utility value interventions. This study will compare the performance, interest, and motivation between students who participated in structured utility value interventions and those in a control group who did not during a third year multidisciplinary engineering design course. Initial indications are that students’ interest and motivation increase when given the utility value intervention.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,165
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,269
Écart entre enseignants0,242 · 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.

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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the Canadian Engineering Education Association (CEEA)Même sujetEngineering Education and PedagogyTravaux en français237 207