Development of a metacognition co-curriculum for a university course in introductory organic chemistry
Notice bibliographique
Résumé
Metacognition is a fundamental skill that allows advanced learners to adapt to diverse learning environments. Metacognition, however, can be domain specific and students may fail to generalize metacognitive skills across domains. Thus, students in higher education may require specific training to acquire relevant metacognitive skills in differing domains or may need cueing to engage their metacognitive skills and knowledge in new domains. The present report describes the development of a co-curricular metacognitive program for chemistry students and suggests how this program could be adopted by other chemistry courses or adapted for other domains in higher education. Several supports were introduced in this program including self-assessment of competence with learning task inventories (LTIs; i.e., detailed lists of learning tasks), self-assessments of confidence regarding in-class content questions, and performance predictions and postdictions on tests. In general, exposure to these supports resulted in overall performance and confidence gains. However, individual differences were evident with some students demonstrating greater learning gains than others. Initial Dunning-Kruger effects associated with pre-and postdictions, with low-performing students overestimating grades and high-performing students underestimating grades, decreased over exposure. A summary of the evolution of this metacognitive co-curricular program, the educational literature that steered it, and the differential impact on students is explained.
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 ».