Teachers’ assessment of self-regulated learning: Linking professional competences, assessment practices, and judgment accuracy
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
Abstract Self-regulated learning (SRL) is crucial for successful lifelong learning and an important educational goal. For students to develop SRL skills, they need appropriate SRL support from teachers in the classroom. Teachers, who are aware of their students’ strengths and weaknesses in SRL, can promote SRL more adaptively. This requires teachers to assess students’ SRL skills accurately. However, there is little research on teachers’ diagnostic competences in SRL. To address this research gap, the present exploratory study investigates teachers’ content knowledge about SRL, assessment activities, and accuracy in judging their students’ SRL. Furthermore, the study examines whether teachers’ characteristics and competences in SRL are associated with the accuracy of their judgments. The study included 41 lower secondary school teachers and their 173 students. The students completed metacognitive knowledge tests on several SRL skills while the teachers made predictions about the students’ metacognitive knowledge of those SRL skills. The results indicate that not all teachers were familiar with the assessment of SRL. Moreover, teachers exhibited greater familiarity with offline assessments of SRL than online assessments and a noteworthy proportion of teachers employed assessment activities that were not diagnostic of SRL. Low correlations between students’ actual test scores and teachers’ judgments generally revealed low accuracy for teachers in assessing their students’ metacognitive knowledge of various SRL skills. Teachers’ characteristics and competences in SRL were mainly uncorrelated with their judgment accuracy. Overall, these results highlight the need for further attention and support for teachers in developing their diagnostic competences in SRL.
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 | 0,005 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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