Note-taking for the win: Doodling does not reduce boredom or mind-wandering, nor enhance attention or retention of lecture material
Notice bibliographique
Résumé
Doodling and fidgeting—traditionally viewed in educational contexts as markers of inattention and poor classroom behaviour—have more recently been considered as possible routes to improve performance by reducing boredom and its negative impact on memory. However, there is a surprising lack of well-controlled studies examining this possibility, despite the widespread adoption of fidget toys and doodling exercises within classroom settings. Here we report two experiments (total N = 222) that assess the impact of doodling on boredom, attention, mind-wandering, and subsequent recall of auditory information. In Experiment 1, participants first listened to a 15-min section of a lecture known to induce boredom. Immediately thereafter they were asked to jot down important information from a short voicemail that they listened to while either doodling (adding shading to shapes) or doing nothing in between note-taking. In Experiment 2, participants listened to a 45-min section of the same lecture under one of four conditions: structured doodling (i.e., shade in shapes), unstructured doodling, note-taking, or listen-only. Thought probes assessed self-perceived levels of state boredom, mind-wandering, and attention throughout the lecture. Across studies, doodling neither reduced boredom or mind-wandering nor increased attention or retention of information compared with other conditions. In contrast, attention and test performance were highest (and boredom and mind-wandering lowest) for those focused solely on note-taking.
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 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 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».