The relation between trait flow and engagement, understanding, and grades in undergraduate lectures
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: Much work has focused on inattention in the classroom, examining how episodes of task-unrelated thought (i.e., mind wandering) and engagement with various forms of media (e.g., media multitasking, smartphone use) influence retention of lecture material. However, considerably less work has examined factors that may positively influence attentiveness in lectures. AIMS: We aimed to explore whether the trait-level tendency to experience 'flow'-defined here as the subjective experience of deep and effortless concentration-is related to in-class reports of engagement and understanding during undergraduate lectures, as well as academic performance. SAMPLE: Participants were undergraduate students in Psychology at a University in Ontario, Canada. METHODS: We measured trait flow (i.e., deep, effortless concentration) at the beginning of each semester, and assessed engagement and understanding during lectures via experience sampling probes throughout two semesters in several university courses. Experience sampling probes were presented intermittently using a laptop application. We also measured students' trait mind wandering and grit, and collected students' course grades. RESULTS: The general tendency to experience deep, effortless concentration predicted engagement and understanding in lectures throughout the term, as well as final course grades, over and above students' grittiness and tendency to mind wander. CONCLUSIONS: These findings suggest that the everyday tendency to experience flow extends to a classroom environment and has implications for academic success.
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 | 0,001 | 0,000 |
| 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 | 0,000 | 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) | 0,000 | 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