Classroom emotions in civic education: A multilevel approach to antecedents and effects
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
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 aimed to examine antecedents and effects of emotions in civic education through the lens of the control-value theory. 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. Participants were 1162 students from vocational schools (grades 10–13). Multilevel structural equation modeling was used for the analysis. We found 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. 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. 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.
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 | 0,000 | 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 découle