Do Motivation and Race/Ethnicity Impact Success in an Anatomy Course for Doctor of Physical Therapy Students?
Notice bibliographique
Résumé
Introduction Assessing motivation behaviors of Doctor of Physical Therapy (DPT) students during their first foundational science course, Clinical Anatomy, may improve our understanding of academic success. Students’ ability to succeed academically is determined by components of self‐regulated learning strategies (SRL) and motivation behaviors. While DPT program admissions criteria are intended to be markers indicative of academic success that highlight SRL, motivation behaviors are not typically assessed. Student failure rates have been persistent and there appears to be a mismatch between the markers designed to predict success and actual success in DPT education. Objective: The purposes of this study were to determine the direct effects of motivational behaviors and race/ethnicity on academic success and to determine the moderating effect of race/ethnicity on motivational behaviors. Materials and Methods Thirty‐three first‐year DPT students participated during their first foundational course, clinical anatomy. The motivation subscales from the Motivated Strategies for Learning Questionnaire (MSLQ) were used to assess how student motivation behaviors impacted academic success expressed as course grade. Results The motivation sub scale of self‐efficacy for learning and performance (SEL) was significantly correlated with course grade (r(31) = .44, p < .05). Independent t‐test indicated that course grade differed at a statistically significant level by race/ethnicity (t(31) = 2.93, p < .01). Within the full multivariate model, race/ethnicity (B = .05, SE = .01, β = .42, p < .008) and SEL (B = .02, SE = .01, β = .39, p < .01), remained significantly related to course grade. Conclusion The results of this study indicated that SEL and race/ethnicity are factors that can determine academic success. Significance/Implications Understanding students’ levels of SEL can guide the development of programmatic and teaching strategies to support students identified with poor SEL. Implementing strategies aimed to improve students’ SEL, such as providing timely feedback, delineating clear expectations, collaborative and team‐based learning, and incremental goal setting, may enhance academic success. The current study provides a rationale for implementing the strategies that bolster SEL and indicated that those strategies may be more closely applied to and benefit under‐represented 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 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 | 0,002 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».