Personality Traits as Predictors of Self-Regulated Learning and Academic Engagement among College Students in Ghana: A Dimensional Multivariate Approach
Notice bibliographique
Résumé
The study explored personality traits as they predicted self-regulated learning and academic engagement among college students in Ghana. A sample of 652 (return rate was 87.0%) was drawn from an accessible population of 17,396. Adapted versions of Taiwanese Short Self-Regulation Questionnaire (22 items; α = 0.84), University Student Engagement Inventory (15 items; α = 0.81), and Big-Five Personality Inventory (30 items; α = 0.70) were used for the data collection. The data collected were analysed using multivariate multiple regression. The study revealed that student-teachers exhibited lower levels of self-regulated learning and academic engagement. Again, openness, conscientiousness, extraversion, and agreeableness aspects of the personality traits predicted self-regulated learning and academic engagements of students. Findings from this study serve as a beacon for teacher education programs in Ghana to scale up their efforts in ensuring that preservice teachers are able to self-regulate their learning. As preservice teachers who will soon be practicing, they cannot help their students self-regulate their learning if they themselves have low levels of self-regulation and engagement. Students’ success can only be realized when learners are able to manage their own learning and engage in academic activities.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».