The problem-solving method: Efficacy for learning and motivation in the field of physical education
Notice bibliographique
Résumé
Background In pursuit of quality teaching and learning, teachers seek the best method to provide their students with a positive educational atmosphere and the most appropriate learning conditions. Objectives The purpose of this study is to compare the effects of the problem-solving method vs. the traditional method on motivation and learning during physical education courses. Methods Fifty-three students ( M age 15 ± 0.1 years), in their 1st year of the Tunisian secondary education system, voluntarily participated in this study, and randomly assigned to a control or experimental group. Participants in the control group were taught using the traditional methods, whereas participants in the experimental group were taught using the problem-solving method. Both groups took part in a 10-hour experiment over 5 weeks. To measure students' situational motivation, a questionnaire was used to evaluate intrinsic motivation, identified regulation, external regulation, and amotivation during the first (T0) and the last sessions (T2). Additionally, the degree of students' learning was determined via video analyses, recorded at T0, the fifth (T1), and T2. Results Motivational dimensions, including identified regulation and intrinsic motivation, were significantly greater (all p < 0.001) in the experimental vs. the control group. The students' motor engagement in learning situations, during which the learner, despite a degree of difficulty performs the motor activity with sufficient success, increased only in the experimental group ( p < 0.001). The waiting time in the experimental group decreased significantly at T1 and T2 vs. T0 (all p < 0.001), with lower values recorded in the experimental vs. the control group at the three-time points (all p < 0.001). Conclusions The problem-solving method is an efficient strategy for motor skills and performance enhancement, as well as motivation development during physical education courses.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».