The Impact of Study and Learning Strategies On Post-Secondary Student Academic Achievement: A Mixed-Methods Systematic Review
Notice bibliographique
Résumé
BACKGROUNDWithin academic development, it is important for students to use effective study strategies to facilitate learning. Techniques used for long-term information retention include note taking strategies, time management, methods of self-testing and active recall. These strategies are explored to help students learn more effectively to attain their academic goals.METHODA mixed-methods systematic review of peer-review articles and grey literature was conducted with a predetermined criteria for a convergent integrated synthesis approach. PsychInfo (Ovid), Web of Science, and ProQuest databases were searched with guidance of a PICO-P logic grid and search strategy using keywords of student, study strategies, and achievement alongside filters. Initial studies were screened and reconciled by two independent authors with the use of a piloted screening tool. Using the Mixed Methods Assessment Tool (MMAT), included studies were assessed for quality. Two authors independently performed data extraction. Heterogeneity in study designs, outcomes, and measurements precluded meta and statistical analyses; thus, a qualitative analysis of studies was provided.RESULTSFour major themes contributing to academic performance were identified among the appraised articles. These themes were self-testing, scheduling/time management, concept maps, and learning styles. Self-testing, scheduling, and concept maps were positively correlated with increased academic performance, while no correlation was found with learning styles and academic performance.CONCLUSIONIncluded studies provided evidence for significant differences in study strategies implemented by high and low achieving students, such as areas of motivation for learning, efficiency, active recall, retrieval practices, and concept maps. Understanding the effectiveness of certain study strategies is critical for students and educational facilitators to maximize learning.
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 | 0,036 | 0,099 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,012 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».