Classroom Emotions in Civic Education: A Multilevel Approach to Antecedents and Effects
Notice bibliographique
Résumé
Classroom emotions are major predictors of student learning and academic outcomes. Emotions might be of particular significance in civic education, where oftentimes highly controversial and heated debates take place. We examined antecedents and effects of classroom emotions in civic education through the lens of the control-value theory, where emotions are categorized in terms of valence (positive/negative) and arousal (activating/deactivating). Specifically, we investigated the classroom climate during discussions of political and social issues as an antecedent of students’ enjoyment, shame, anxiety, and boredom, in addition to a possible mediation effect of these emotions on political knowledge and participation as core outcomes in this domain. We tested our assumptions based on data from 1,117 students at vocational schools (grades 10–13). Multilevel structural equation modeling revealed different results based on the valence of emotions, showing a positive relation between an open classroom climate and enjoyment and negative relations with anxiety and boredom. No support was provided for the relation to shame. Enjoyment related positively, and all negative emotions (shame, anxiety, boredom) negatively to achievement on the knowledge test. In terms of arousal, all activating emotions (enjoyment, shame, anxiety) related positively to intended political participation. Furthermore, enjoyment mediated the association between classroom climate and intended political participation at the student level. Thus, this study strongly supports the theoretical assumptions of the control-value theory. Pedagogically, the results imply that fostering a classroom context that is open to diverse opinions can prevent the experience of negative emotions and increase students’ experience of enjoyment.
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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,004 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».