Self-Regulation, Coregulation, and Socially Shared Regulation: Exploring Perspectives of Social in Self-Regulated Learning Theory
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background/Context Models of self-regulated learning (SRL) have increasingly acknowledged aspects of social context influence in its process; however, great diversity exists in the theoretical positioning of “social” in these models. Purpose/Objective/Research Question/Focus of Study The purpose of this review article is to introduce and contrast social aspects across three perspectives: self-regulated learning, coregulated learning, and socially shared regulation of learning. Research Design The kind of research design taken in this review paper is an analytic essay. The article contrasts self-regulated, coregulated, and socially shared regulation of learning in terms of theory, operational definition, and research approaches. Data Collection and Analysis Chapters and articles were collected through search engines (e.g., EBSCOhost, PsycINFO, PsycARTICLES, ERIC). Findings/Results Three different perspectives are summarized: self-regulation, coregulation, and socially shared regulation of learning. Conclusions/Recommendations In this article, we contrasted three different perspectives of social in each model, as well as research based on each model. In doing so, the article introduces a language for describing various bodies of work that strive to consider roles of individual and social context in the regulation of learning. We hope to provide a frame for considering multimethodological approaches to study SRL in future research.
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.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle