Epistemic Emotions and Epistemic Cognition Predict Critical Thinking About Socio-Scientific Issues
Notice bibliographique
Résumé
When thinking critically about socio-scientific issues, individuals’ expectations about the nature of knowledge and knowing, as well as their emotions when these expectations are met or not, may play an important role in critical thinking. In this study, we examined the role of epistemic emotions in mediating the effects of epistemic cognition on critical thinking when contending with conflicting information about genetically modified foods. Two hundred four university students completed a prior knowledge test on genetically modified foods, and then reported their epistemic beliefs about genetically modified foods. Participants then read a text that presented advantages and disadvantages of genetically modified foods, and reported the epistemic emotions they experienced during reading of that text. Participants then composed an argumentative essay about genetically modified foods, which were coded for critical thinking. Results from path analysis revealed that a belief in complex knowledge predicted less surprise and confusion, but more enjoyment. For the source of knowledge, a belief in the active construction of knowledge predicted less surprise and enjoyment. For justification for knowing, a belief that knowledge should be critically evaluated positively predicted curiosity, and negatively predicted confusion and boredom. Moreover, beliefs that knowledge about genetically modified foods is complex and uncertain positively predicted critical thinking. Confusion and anxiety also positively predicted critical thinking, whereas frustration negatively predicted critical thinking. Lastly, confusion mediated relations between epistemic beliefs and critical thinking. Results suggest complex relations between epistemic cognition, epistemic emotions, and critical thinking that have implications for educational practice as well as for future research on epistemic cognition and epistemic emotions.
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 | 0,003 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».