Needs-Supportive Teaching Interventions in an Intro Computer Science Course: Exploring Impacts on Student Motivation and Achievement
Notice bibliographique
Résumé
The instructor of a large, introductory computer science (CS) course at a public Canadian university implemented two interventions designed to support students' academic success and basic psychological needs as posited by self-determination theory (SDT). Interventions involved providing grading scheme choice for all students and sending targeted support emails to students who struggled on early term assessments. In keeping with SDT, we assessed the possible effect of these interventions on students' perceptions of competence (self-efficacy), autonomy, relatedness (via measures of instructor warmth), and final grades, by comparing the intervention cohort with a previous control cohort. Results indicate that all students in the intervention term may have benefited from grading scheme choice, as they earned higher final grades and felt more autonomous than the control group students. Moreover, struggling students who received support emails earned an average final grade 11.3% higher than struggling students in the control term. These students also performed closer to their non-struggling counterparts than those in the control group, reducing the achievement gap between early struggling and non-struggling students by 8.1%. Furthermore, even when controlling for past achievement, perceptions of self-efficacy and autonomy support positively predicted students' final grades across groups, with a small effect size. These results offer theoretical and practical insight into effective, light-touch teaching interventions which CS instructors can implement in large courses.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».