Intrinsic Motivation and Sophisticated Epistemic Beliefs Are Promising Pathways to Science Achievement: Evidence From High Achieving Regions in the East and the West
Notice bibliographique
Résumé
Research on self-determination theory emphasizes the importance of the internalization of motivation as a crucial factor for determining the quality of motivation. Hence, intrinsic motivation is deemed as an important predictor of learning. Research on epistemic beliefs, on the other hand, focuses on the nature of knowledge, and learning with more sophisticated epistemic beliefs associated with more adaptive outcomes. While learning and achievement are multiply determined, a more comprehensive theoretical model that takes into account both motivational quality and epistemic beliefs is needed. Hence, this study aims to examine the role of intrinsic and instrumental motivation alongside epistemic beliefs in predicting students' achievement in science. Data were drawn from the PISA 2015 survey. We focused on four of the top-performing societies. Two were Eastern societies - Singapore and Hong Kong, and the other two were Western societies: Canada and Finland. We found both common and specific patterns among the four societies. Regarding the common patterns, we found that intrinsic motivation and epistemic beliefs had direct positive effects on science achievement. As for the regionally-specific findings, instrumental motivation positively predicted achievement only in Western societies (i.e., Finland and Canada), but not in Eastern societies (i.e., Singapore and Hong Kong). The interaction effect between motivation and epistemic beliefs also demonstrated different patterns across the four societies. Implications for the role of motivation and epistemic beliefs in optimizing student learning and achievement are discussed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».