Co-constructing knowledge with youth: what high-school aged mentors say and do to support their mentees’ autonomy, belonging, and competence
Notice bibliographique
Résumé
Self-Determination Theory’s (SDT) most recent ‘mini-theory,’ Relationships Motivation Theory (RMT) focuses on the essential ingredients of high-quality relationships (i.e. feelings of autonomy, belonging, and competence). This study explores the applicability of RMT to cross-age peer mentoring. Of particular interest was whether the RMT framework could help high-school mentors develop positive relationships with their elementary-aged mentees. The specific language and strategies mentors used to support feelings of autonomy, belonging, and competence was also of interest, as this level of detail has not been captured in previous research. High-school mentors were invited to learn about RMT during skill-building sessions. They were then asked to apply the language and skills they co-developed during mentoring sessions. Data included audio recordings of dyadic interactions, weekly mentoring logs, and interviews. Descriptive, Provisional, and In-Vivo coding were used to analyze data. Qualitative coding indicated high-school mentors were capable of co-constructing language and practices to support mentees’ feelings of autonomy, belonging, and competence. Findings also indicated that mentors successfully applied this knowledge to mentoring sessions. Weekly mentoring logs indicated skill-building sessions helped mentors develop positive relationships with their mentees. The results of this study begin to suggest that RMT can help inform the cross-age peer mentoring process.
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 | 0,007 | 0,014 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».