MétaCan
Menu
Retour à la cohorte
Enregistrement W4293226463 · doi:10.5539/hes.v12n1p115

A Test of Student Grade Satisficing by Experimentally Inducing Time Stress

2022· article· en· W4293226463 sur OpenAlexvenueno aff
Gregory A. Petrow

Notice bibliographique

RevueHigher Education Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueOnline and Blended Learning
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Nebraska Medical Center
Mots-clésSatisficingExperiential learningPsychologyTest (biology)Mathematics educationAcademic achievementComputer scienceArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Scholars studying scholastic achievement in higher education find that students have specific course grades in mind that satisfy their desires for academic performance. When students believe that they are on-track to achieve those grades, they divert resources to other endeavors. This paper tests a resulting hypothesis: Students balance higher grades on easier assignments with lower grades on more difficult ones. After experimentally inducing time stress by assigning students to participate in an experiential learning exercise, those busier with volunteer work did balance their higher grades on the easier, experiential assignments, against lower ones on the course exams. Additionally, the time stress produced a strong interaction effect. Among the busier students, the time stress reduced their course grades (those not related to the experiential learning), while among the less busy, those grades increased. Instructors should be aware that some course activities are less linked to learning than others. The educational consequence of student grade satisficing is that when instructors offer more credit for easier activities, which are less linked to student learning, they may be reducing learning overall. The role of grade satisficing in reducing students’ acquisition of knowledge is an under-explored topic, but it has powerful implications for student 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,428
Score d'incertitude au seuil0,898

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,416
Écart entre enseignants0,370 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHigher Education StudiesMême sujetOnline and Blended LearningTravaux en français237 207