MétaCan
Menu
Retour à la cohorte
Enregistrement W4389804739 · doi:10.1177/07342829231221851

Measuring the Complexity of Self-Regulated Learning and Academic Challenges for Adolescents in Canada

2023· article· en· W4389804739 sur OpenAlexafffundabout
Meng Qi Wu, Violet V. Cieslik, Safoura Askari, Allyson F. Hadwin, Moira Hood

Notice bibliographique

RevueJournal of Psychoeducational Assessment · 2023
Typearticle
Langueen
DomainePsychology
ThématiqueInnovative Teaching and Learning Methods
Établissements canadiensUniversity of Victoria
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésPsychologySelf-regulated learningAcademic achievementSession (web analytics)Student engagementMedical educationMathematics educationMedicine

Résumé

récupéré en direct d'OpenAlex

Research that uses self-report measures to examine the complexity of self-regulated learning (SRL) and academic challenges for adolescents is limited. This study examined the psychometric property of the Self-Regulated Learning Profile and Self-Diagnostic (SRL-PSD) instrument and addressed the multi-components of SRL and academic challenges for adolescents. Participants were 358 adolescents from a Canadian middle school. The subscales of SRL-PSD were administered to students through LimeSurvey during a 25-min instructional session over two days. Results demonstrated the SRL-PSD was a reliable and valid self-report instrument to measure adolescents' SRL practices and academic challenges. Also, all types of SRL practices and academic challenges were significantly intercorrelated. Additionally, all types of SRL practices were positively associated with school engagement, whereas all types of academic challenges were negatively associated with school engagement. Overall, this study provides a validated self-report measure for educators and researchers to examine adolescents' SRL practices and academic challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,085
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,216
Tête enseignante GPT0,462
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Psychoeducational AssessmentMême sujetInnovative Teaching and Learning MethodsTravaux en français237 207