MétaCan
Menu
Retour à la cohorte
Enregistrement W4399028746 · doi:10.5430/wje.v14n2p24

The Development of an Instructional Model Based on Rogers’ Theory to Enhance the Adversity Quotient for Guangxi International Business Vocational College

2024· article· en· W4399028746 sur OpenAlexvenueno aff
Qin Sun, Bung-on Sereerat, Saifon Songsiengchai, Penporn Thongkumsuk

Notice bibliographique

RevueWorld Journal of Education · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueEducational Reforms and Innovations
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVocational educationPsychologyMathematics educationPedagogy

Résumé

récupéré en direct d'OpenAlex

This study aimed to investigate the current status of adversity quotient (AQ) development, develop an instructional model based on Rogers’ theory, and assess the impact of the model on students' AQ. The study involved 33 first-year students from infant care services and management majors at Guangxi International Business Vocational College. Research tools included questionnaires, interviews, lesson plans, the Adversity Quotient Scale, observation forms, and interview forms. The study comprised three steps: studying the current situation of AQ development, developing the instructional model, and implementing and improving the model. Data were analyzed using statistical and qualitative methods. Results showed four aspects of existing problems in college students' AQ: students, teachers, learning processes, and environment. The instructional model comprised four components: Principle, Objective, Learning Process, and Result. After implementing the model, students' AQ significantly improved compared to pre-class levels (p < 0.01). This study provides insights into addressing challenges in college students' AQ development and demonstrates the effectiveness of an instructional model grounded in Rogers’ theory for enhancing students' AQ. Enhancing college students' adversity quotient is of significant importance for effectively coping with adversity in their daily learning life.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,481
Score d'incertitude au seuil0,259

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,011
Tête enseignante GPT0,294
Écart entre enseignants0,283 · 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'étudeSans objet
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of EducationMême sujetEducational Reforms and InnovationsTravaux en français237 207